Jason Resnikoff: Contestare l’idea di progresso, la sfida dell’intelligenza artificiale per i lavoratori

Quando gli imprenditori della tecnologia parlano di AI che fa questo o AI che fa quello, come quando Elon Musk ha promesso al Primo Ministro britannico un’era di abbondanza in arrivo in cui nessuno avrà bisogno di lavorare perché “l’AI sarà in grado di fare tutto”, stanno usando il termine AI in un modo che nasconde più di quanto chiarisca. ¹ I ricercatori accademici nel campo dell’AI, ad esempio, non usano generalmente il termine AI per descrivere una tecnologia specifica. È, molto semplicemente, la pratica di far “fare ai computer il genere di cose che fanno le menti”, come definito da Margaret A. Boden, un’autorità nel campo. ² In altre parole, l’AI è meno una tecnologia e più un desiderio di costruire una macchina che agisca come se fosse intelligente. Non esiste una tecnologia singola che renda l’AI diversa dall’informatica.

Gran parte dell’attuale discussione sull’intelligenza artificiale si concentra sull’applicazione di quelle che sono note come reti neurali artificiali all’apprendimento automatico. L’apprendimento automatico si riferisce all’uso di algoritmi per trovare modelli in grandi set di dati al fine di fare previsioni statistiche. I chatbot come ChatGPT sono un buon esempio. (Un chatbot è un programma per computer che imita la conversazione umana in modo che le persone possano interagire con un dispositivo digitale come se stessero comunicando con un essere umano.) I chatbot funzionano utilizzando un’immensa quantità di potenza di calcolo e grandissime quantità di dati per valutare la probabilità statistica che una parola appaia accanto a un’altra parola.

L’apprendimento automatico in genere si basa sui progettisti per aiutare il sistema a interpretare i dati. È qui che entrano in gioco le reti neurali artificiali. (L’apprendimento automatico e le reti neurali artificiali sono solo due strumenti sotto l’ombrello generale dell’IA.) Le reti neurali artificiali sono programmi software collegati (ogni singolo programma è chiamato nodo) che sono ciascuno in grado di calcolare una cosa. Nel caso di qualcosa come ChatGPT (che appartiene alla categoria dei modelli linguistici di grandi dimensioni), ogni nodo è un programma che esegue un modello matematico (chiamato modello di regressione lineare) che viene alimentato con dati, prevede una probabilità statistica e quindi emette un output. ³ Questi nodi sono collegati tra loro e ogni collegamento ha un peso variabile, ovvero una valutazione numerica che indica quanto è importante, in modo che ogni nodo influenzi l’output finale in misura diversa. Fondamentalmente, le reti neurali sono un modo complesso di prendere in considerazione molti fattori contemporaneamente mentre si effettua una previsione per produrre un output, come una stringa di parole come risposta appropriata a una domanda inserita in un chatbot. ⁴

Questa imitazione è ben lontana dalla coscienza umana, ma i ricercatori non comprendono la mente abbastanza bene da codificare effettivamente le regole del linguaggio in una macchina. Hanno invece scelto ciò che Kate Crawford, una ricercatrice presso Microsoft Research, chiama “approcci probabilistici o di forza bruta”. ⁵ Nessun essere umano pensa in questo modo. I bambini, ad esempio, non imparano la lingua leggendo tutta Wikipedia e contando quante volte una parola o frase appare accanto a un’altra. ⁶ Inoltre, questi sistemi sono particolarmente dispendiosi in termini di energia e costosi. Il costo per l’addestramento di ChatGPT-4 è stato di circa 78 milioni di dollari; per Gemini Ultra, la risposta di Google a ChatGPT, il prezzo è stato di 191 milioni di dollari. ⁷ Gli esseri umani, va notato, acquisiscono e usano il linguaggio a un costo molto più basso.

Nell’apprendimento automatico standard, gli esseri umani etichettano diversi input per insegnare alla macchina come organizzare i dati e soppesare la loro importanza nel determinare l’output finale. Ad esempio, molte persone (pagate molto male) “pre-addestrano” o insegnano ai programmi per computer come appaiono le cose, etichettando le immagini in modo che un programma possa distinguere tra, ad esempio, un vaso e una tazza. (In un sistema che esegue “apprendimento profondo”, gli esseri umani svolgono un ruolo di programmazione molto più piccolo. Con l’apprendimento profondo, le reti neurali artificiali in uso hanno più livelli rispetto all’apprendimento automatico classico e gli esseri umani etichettano molto meno gli elementi in un set di dati. In altre parole, può essere alimentato con dati molto più grezzi e non elaborati e comunque organizzarli.) GPT in ChatGPT, è importante notare, sta per Generative Pre-trained Transformer, un trasformatore è un tipo di rete neurale. Nel caso di ChatGPT, il programma è stato pre-addestrato da esseri umani per insegnare e correggere il programma mentre veniva alimentato con quantità astronomiche di dati, per lo più testo scritto. Infatti, secondo il Guardian, i lavoratori a contratto in Kenya impiegati da OpenAI per addestrare ChatGPT guadagnavano tra $ 1,46 e $ 3,74 all’ora per etichettare testo e immagini contenenti “violenza, autolesionismo, omicidio, stupro, necrofilia, abuso sui minori, bestialità e incesto”. Diversi lavoratori hanno affermato che queste condizioni di lavoro erano di sfruttamento e hanno chiesto al governo keniota di avviare un’indagine su OpenAI. ⁸

Pertanto, l’IA, come spiega Boden, “offre una profusione di macchine virtuali, che eseguono molti tipi diversi di elaborazione delle informazioni. Non c’è alcun segreto chiave qui, nessuna tecnica di base che unifichi il campo: i professionisti dell’IA lavorano in aree molto diverse, condividendo poco in termini di obiettivi e metodi”. ⁹ L’uso contemporaneo del termine IA, tuttavia, tende a discussioni di black-box sui cambiamenti materiali, mistificando la tecnologia in questione e allo stesso tempo omogeneizzando molte tecnologie distinte in un singolo meccanismo rivoluzionario, un deus ex machina monolitico e oscuro. Questo effetto non è casuale. Serve gli interessi del capitale e ha una storia.

Intelligenza artificiale e degrado del lavoro

In altre parole, l’intelligenza artificiale non è una tecnologia rivoluzionaria, ma piuttosto una storia sulla tecnologia. ¹⁰ Nel corso del secolo scorso, i sindacati hanno lottato per contrastare l’uso da parte dei datori di lavoro del potere ideologico dell’utopismo tecnologico, o l’idea che la tecnologia stessa produrrà una società ideale e senza attriti. (Un esempio significativo di ciò è il nome che la General Motors diede al suo padiglione all’Esposizione universale del 1939: “Futurama”). L’intelligenza artificiale è un altro capitolo di questa storia di utopismo tecnologico per degradare il lavoro oscurandolo retoricamente. ¹¹ Se i sindacati comprendono i cambiamenti nei mezzi di produzione al di fuori dei termini del progresso tecnologico, diventerà più facile per i sindacati negoziare i termini qui e ora, piuttosto che discutere quale effetto potrebbero avere in un futuro vago e fin troppo speculativo.

Gli usi che i datori di lavoro hanno fatto dell’apprendimento automatico e delle reti neurali artificiali sono conformi alla lunga storia della meccanizzazione del lavoro. La tesi del degrado del lavoro dell’economista politico marxista Harry Braverman, in cui lo sviluppo capitalista industriale tende alla disgregazione del lavoro artigianale, alla più ampia diffusione della divisione dettagliata del lavoro e all’applicazione dei regimi di fabbrica a sempre più tipi di lavoro, è ancora valida. ¹²

Se non altro, l’uso manageriale delle tecnologie digitali ha solo accelerato questa tendenza. Moritz Altenried, uno studioso di economia politica, ha recentemente definito questo fenomeno come l’ascesa della “fabbrica digitale”, che combina gli elementi più sovradeterminati, persino carcerari, del lavoro tradizionale in fabbrica con contratti di lavoro flessibili e precarietà dei lavoratori. ¹³ I datori di lavoro hanno implementato l’uso di algoritmi per esercitare un immenso controllo sul processo lavorativo, utilizzando piattaforme digitali per suddividere i lavori e sorvegliare la rapidità con cui i lavoratori completano tali compiti, come con l’uso di algoritmi da parte di Amazon per spingere i magazzinieri o le app di guida che accelerano gli autisti. Le piattaforme digitali hanno permesso ai datori di lavoro di estendere la logica di fabbrica praticamente ovunque. Qui, possiamo vedere l’aspetto più “rivoluzionario” dei cambiamenti tecnologici denominati AI: la diffusione di massa della sorveglianza dei lavoratori. Sebbene le piattaforme digitali non siano particolarmente brave a lavorare, sono dei capi molto efficaci, che tracciano, quantificano e costringono i lavoratori a lavorare secondo i progetti dei loro datori di lavoro.

Sostenere che l’apprendimento automatico non sia categoricamente diverso dalle precedenti forme di meccanizzazione non significa che andrà tutto bene per i lavoratori. L’apprendimento automatico continuerà ad aiutare i datori di lavoro nel loro progetto di degradazione del lavoro. E come le precedenti forme di meccanizzazione, inclusa la meccanizzazione informatica del lavoro d’ufficio dei colletti bianchi a partire dagli anni ’50, i datori di lavoro hanno puntato a trasformare lavori impiegatizi qualificati in lavori semiqualificati più economici. Nella seconda metà del ventesimo secolo, i produttori di computer e i datori di lavoro hanno introdotto il computer digitale elettronico con l’obiettivo di ridurre i costi del personale impiegatizio. Hanno sostituito la segretaria o l’impiegata qualificata con un gran numero di donne mal pagate che utilizzavano macchine perforatrici che producevano schede perforate da inserire in grandi computer di elaborazione batch. Il risultato è stato un numero maggiore, non minore di impiegati, ma i nuovi lavori erano peggiori di quelli precedenti. I lavori erano più monotoni e il lavoro era accelerato. Nell’ultimo quarto del ventesimo secolo, i datori di lavoro hanno convinto con successo i quadri intermedi a svolgere autonomamente il lavoro d’ufficio (ciò che un consulente ha definito la “borghesizzazione” del lavoro d’ufficio) dando loro computer desktop per scrivere, archiviare e gestire la corrispondenza, lavoro per cui l’azienda un tempo pagava gli impiegati. Questo stile di degradazione del lavoro rimane tipico del lavoro impiegatizio odierno. ¹⁴

Mentre tecnologie come ChatGPT potrebbero sembrare pronte a sostituire presumibilmente impiegati come gli sceneggiatori, è molto più probabile che i datori di lavoro utilizzino l’apprendimento automatico per suddividere e dequalificare i lavori nello stesso modo in cui hanno implementato vecchie forme di meccanizzazione. L’anno scorso, Google ha proposto un chatbot di apprendimento automatico chiamato Genesis al New York Times , al Washington Post e a NewsCorp . Un portavoce di Google ha riconosciuto che il programma non poteva sostituire i giornalisti o scrivere articoli da solo. Avrebbe invece composto titoli e, secondo il New York Times , fornito “opzioni” per “altri stili di scrittura”. ¹⁵ Questo è esattamente il tipo di strumento che, commercializzato come una comodità, sarebbe utile anche per un datore di lavoro che desiderasse dequalificare un lavoro.

Come le vecchie forme di meccanizzazione, i Large Language Model aumentano la produttività dei lavoratori, il che significa che una maggiore produzione non dipende solo dalla tecnologia. Microsoft ha recentemente aggregato una selezione di studi e ha scoperto che Microsoft Copilot e Copilot di GitHub, Large Language Model simili a ChatGPT, hanno aumentato la produttività dei lavoratori tra il 26 e il 73 percento. La Harvard Business School ha concluso che i “consulenti” che utilizzano GPT-4 hanno aumentato la loro produttività del 12,2 percento, mentre il National Bureau of Economic Research ha scoperto che i lavoratori dei call center che utilizzano “AI” hanno elaborato il 14,2 percento in più di chiamate rispetto ai colleghi che non lo hanno fatto. Tuttavia, le macchine non stanno semplicemente riprendendo il lavoro una volta svolto dalle persone. Invece, questi sistemi costringono i lavoratori a lavorare più velocemente o a dequalificare il lavoro in modo che possa essere svolto da persone che non sono incluse nel frame dello studio. ¹⁶

Ad esempio, nel loro recente sciopero, i membri della Writers Guild of America (WGA) hanno chiesto che agli studi cinematografici e televisivi fosse vietato imporre l'”IA” agli sceneggiatori. I chatbot non sono attualmente in grado di sostituire fisicamente gli sceneggiatori. Piuttosto, sembra più probabile che gli studi implementino sistemi di apprendimento automatico per suddividere i loro lavori in una serie di compiti distinti e, attraverso la divisione del lavoro, trasformare il lavoro di “sceneggiatore” in posizioni più piccole e meno pagate in cui gli sceneggiatori ora sono ingegneri rapidi che inseriscono gli scenari nella macchina o rifinitori, che rifiniscono le sceneggiature realizzate a macchina in un prodotto finale. ¹⁷ Le recenti vittorie contrattuali della WGA in materia di IA sono limitate alla protezione dei crediti e della retribuzione, sebbene inizialmente avessero deciso di rifiutare completamente l’uso di Large Language Model. ¹⁸ Quella posizione di contrattazione era in realtà in qualche modo unica; dalla metà del ventesimo secolo, i sindacati sono stati generalmente incapaci, a causa di debolezza o di paraocchi ideologici, di trattare la tecnologia come qualcosa di negoziabile.

Sono anche numerosi gli esempi di datori di lavoro che utilizzano l'”IA” non solo per suddividere i posti di lavoro, ma anche per nascondere la presenza di lavoratori umani mal pagati, molti dei quali basati nel Sud del mondo. Nelle parole della sociologa Janet Vertesi, “IA è solo la parola d’ordine odierna per “outsourcing”. Prendiamo, ad esempio, il sistema “Just Walk Out” di Amazon nei suoi negozi fisici, dove i clienti facevano acquisti e uscivano senza dover andare alla cassa perché il pagamento veniva elaborato digitalmente. Amazon ha ammesso che l'”IA generativa” che utilizzava per conteggiare le ricevute dei clienti consisteva in realtà in lavoratori in India che guardavano filmati di sorveglianza e redigevano manualmente fatture dettagliate. ¹⁹ In un caso simile, diverse importanti catene di supermercati francesi si vantavano di utilizzare l'”IA” per individuare i taccheggiatori quando la sorveglianza era condotta da lavoratori in Madagascar che guardavano filmati di sicurezza e guadagnavano tra 90 e 100 euro al mese. ²⁰ Lo stesso vale per la cosiddetta tecnologia “Voice in Action” (il cui produttore afferma che si tratta di un sistema “guidato dall’intelligenza artificiale”) che ha preso gli ordini dei clienti al drive-through nei fast food degli Stati Uniti; più del 70 percento degli ordini è stato in realtà elaborato da lavoratori nelle Filippine. ²¹ L’antropologa Mary Gray e il ricercatore principale senior presso Microsoft Siddarth Suri hanno opportunamente soprannominato questa pratica di nascondere il lavoro umano dietro una facciata digitale, “lavoro fantasma”. ²²

AI e ideologia: il discorso sull’automazione rivisitato

Ma, come detto in precedenza, sarebbe un errore pensare all’IA in termini principalmente tecnologici, sia come apprendimento automatico che come piattaforme digitali. Questo ci porta al discorso sull’automazione, di cui il recente clamore dell’IA è l’ultima iterazione. Le idee di progresso tecnologico sono certamente antecedenti al periodo postbellico, ma è stato solo negli anni successivi alla seconda guerra mondiale che quelle idee si sono solidificate in un’ideologia che ha generalmente funzionato per privare di potere i lavoratori.

La versione originale di questa ideologia era il discorso sull’automazione che nacque negli Stati Uniti negli anni successivi alla seconda guerra mondiale, che sosteneva che tutti i cambiamenti tecnologici si sarebbero orientati verso l’inevitabile abolizione del lavoro umano, in particolare del lavoro industriale dei colletti blu. Fu il prodotto immediato di due fenomeni interconnessi. In primo luogo, la nuova forza istituzionale del lavoro organizzato che scaturì dai militanti negli anni ’30, che rappresentava una minaccia per il capitale, e in secondo luogo, il notevole entusiasmo tecnologico del dopoguerra. Dagli anni ’30, l’America aziendale aveva cercato di rappresentare se stessa e i suoi prodotti come se producessero il tipo di futuro utopico che i radicali di sinistra avevano a lungo associato alla rivoluzione politica. (Ad esempio, la società DuPont promise cambiamenti “rivoluzionari” e “cose ??migliori per una vita migliore… attraverso la chimica”, invece, ad esempio, della ridistribuzione della proprietà.) ²³ La vittoria nella seconda guerra mondiale, le innovazioni tecnologiche finanziate dal governo e il conseguente boom economico sembrarono ratificare questa argomentazione. Nelle parole del Business Week del 1955, c’era “la sensazione che qualcosa di nuovo e rivoluzionario stesse nascendo nei laboratori e nelle fabbriche”. ²⁴ Sembrava quindi ragionevole agli attori di tutto lo spettro politico, dai leader dell’industria, ai funzionari sindacali, ai membri del movimento studentesco e persino ad alcune femministe radicali, pensare che forse la tecnologia americana avrebbe potuto superare i tratti distintivi più dolorosi della produzione capitalista industriale: la lotta di classe e l’alienazione sul posto di lavoro. ²⁵

Giocando su questo senso generale, un vicepresidente della produzione della Ford Motor Company coniò il termine “automazione” per descrivere la politica aziendale di combattere i sindacati e degradare le condizioni di lavoro mentre si riorganizzava come un prodotto dello sviluppo apolitico e inevitabile della stessa società industriale. ²⁶ Ford, e presto praticamente tutti, descrissero “l’automazione” come una tecnologia rivoluzionaria che avrebbe cambiato radicalmente (e inesorabilmente) il posto di lavoro industriale. La definizione di automazione era notoriamente vaga, ma molti americani credevano ancora sinceramente che avrebbe, del tutto di sua iniziativa, inaugurato l’abbondanza, eliminando il proletariato e, nelle parole del sociologo e celebre intellettuale pubblico Daniel Bell, sostituendolo con un “salario” di colletti bianchi altamente qualificato. ²⁷

Tuttavia, in tutti i settori, ciò che i manager e i lavoratori chiamavano automazione spesso si traduceva in un lavoro degradato e accelerato, così come nella sostituzione del lavoro umano con l’azione delle macchine. E tuttavia, per la maggior parte, il lavoro si è trovato sia retoricamente, sia in una certa misura intellettualmente, intimidito dal discorso sull’automazione. In un incontro del 1957 di alti funzionari che rappresentavano dieci dei più grandi sindacati degli Stati Uniti all’epoca, Sylvia Gottlieb, direttrice dell’istruzione e della ricerca per i Communications Workers of America (CWA), ha riassunto il problema: non erano sicuri se quell’automazione non fosse o meno la rivoluzione tecnologica che il capitale affermava che fosse, e dovevano stare attenti a non “identificare il movimento operaio come ‘piagnoni’ su questo argomento”, ovvero profeti di sventura contrari al progresso tecnologico o, peggio ancora, luddisti. Gottlieb ha concluso che aveva senso “sottolineare non solo i problemi e le difficoltà dell’automazione, ma riconoscere gli enormi benefici che offre”. ²⁸

Parte del potere del discorso sull’automazione era che parlava di un tecno-progressismo che, ancora oggi, fa appello a certe tendenze di sinistra, come i cosiddetti accelerazionisti marxisti che credevano che lo sviluppo dell’industrializzazione stessa avrebbe prodotto le condizioni per una rivoluzione proletaria. ²⁹ Come minimo, negli anni immediatamente successivi alla seconda guerra mondiale, l’idea di un progresso tecnologico autonomo offrì all’amministrazione Reuther e alla United Auto Workers (UAW) una copertura per la ritirata del Trattato di Detroit sulla questione degli “standard di produzione”, ovvero una voce in capitolo su quali macchine sarebbero esistite in fabbrica e come i lavoratori le avrebbero utilizzate. ³⁰ I funzionari sindacali non sapevano cosa avrebbe portato “l’automazione” e non riuscirono in gran parte a districare le storie teleologiche del progresso tecnologico dai tentativi del management di controllare il processo lavorativo. L’International Longshore and Warehouse Union (ILWU) sotto Harry Bridges era unico tra i sindacati del dopoguerra in quanto riuscì a operare entro i confini dell’ottimismo tecnologico del dopoguerra e comunque a ottenere qualcosa per i suoi membri, consentendo agli spedizionieri di container di acquistare il sindacato dai lavori dei portuali in cambio di generosi benefici pensionistici. Tuttavia, questa acquisizione avvenne al prezzo di una generazione di portuali (i cosiddetti B-men) che non avevano diritto a quei benefici ma il cui lavoro rimaneva particolarmente stressato. ³¹ Tuttavia, l’ILWU fu l’eccezione. Più tipico fu il destino della United Packinghouse Workers of America (UPWA), che all’inizio permise all’azienda di “automatizzare” (vale a dire, di introdurre utensili elettrici) in cambio di benefici pensionistici leggermente migliorati e del diritto di trasferire posti di lavoro. Ai lavoratori licenziati a causa dell’accelerazione del lavoro fu consigliato di prendere parte a programmi di formazione professionale che il presidente dell’UPWA avrebbe poi condannato. “Quello che stavate facendo”, disse, “era formare le persone in modo che potessero essere disoccupate a un livello di competenza più elevato, perché non riuscivano a trovare lavoro”. ³² Con la riforma dell’industria nella seconda metà del ventesimo secolo, il sindacato si disintegrò. Oggi, l’industria della lavorazione della carne rimane un’industria ad alta intensità di manodopera, anche se ora gran parte di essa è non sindacalizzata.

In pratica, “AI” è diventata sinonimo di automazione, insieme a un insieme simile, se non identico, di affermazioni ingiustificate sul progresso tecnologico e sul futuro del lavoro.33 I lavoratori per la maggior parte del secolo scorso, come la maggior parte dei membri del pubblico in generale, hanno avuto molte difficoltà a parlare di cambiamenti nei mezzi di produzione al di fuori dei termini del progresso tecnologico, e questo ha giocato in modo schiacciante a vantaggio dei datori di lavoro. La nozione di tecnologia come, in ultima analisi, un vantaggio per tutti e inevitabile, persino come civiltà stessa, ha reso difficile la critica. Se la storia è una guida, i lavoratori devono rifiutare le affermazioni teleologiche che il capitale fa sulla tecnologia; loro stessi devono vedere il cambiamento tecnologico, non come lo sviluppo organico della civiltà, ma solo come un altro aspetto del posto di lavoro che dovrebbe in linea di principio essere soggetto a governance democratica.

L’intelligenza artificiale non è una tecnologia specifica. Spesso, è una storia sulla tecnologia, che serve a privare di potere i lavoratori. I lavoratori hanno ragione di temere l’intelligenza artificiale, ma non perché sia ??di per sé rivoluzionaria. Piuttosto, lavoratori e organizzatori dovrebbero preoccuparsi perché l’idea dell’intelligenza artificiale consente ai datori di lavoro di perseguire alcuni dei più antichi metodi di degradazione del lavoro industriale. In passato, i sindacati hanno sofferto quando hanno preso per veri i proclami tecnologici dei loro datori di lavoro. Per i lavoratori, potrebbe letteralmente valere la pena rifiutarsi di essere impressionati dall’utopismo tecnologico. Spetta ai lavoratori separare specifici cambiamenti materiali al processo lavorativo dalle grandi narrazioni del progresso tecnologico. I lavoratori dovrebbero avere voce in capitolo su quali tipi di macchine utilizzare sul lavoro; dovrebbero avere un certo controllo. Il primo passo in quella direzione richiede che siano in grado, come minimo, di dire “No” ai cambiamenti materiali che i datori di lavoro cercano di apportare ai loro luoghi di lavoro e di dirlo senza pensare a se stessi come a un ostacolo al progresso.

Note:

1. ? Chloe Taylor, “Elon Musk afferma che l’intelligenza artificiale creerà un futuro in cui ‘non servirà alcun lavoro’: ‘l’intelligenza artificiale sarà in grado di fare tutto’”, Fortune , 3 novembre 2023, disponibile su https://fortune.com/2023/11/03/elon-musk-ai-nojob-needed-work/.
2. ? Margaret A. Boden, Artificial Intelligence: A Very Short Introduction (Oxford: Oxford University Press, 2018), 1. Per una definizione simile: Michael Wooldridge, A Brief history of Artificial Intelligence: What It Is, Where We Are, and Where We Are Going (New York: Flatiron Books, 2020),
3. ? Per una discussione del dibattito nel campo dell’intelligenza artificiale riguardante la sua definizione: Stuart Russell e Peter Norvig, Artificial Intelligence: A Modern Approach , seconda edizione (Upper Saddle River, NJ: Pearson Education Inc., 2003), 2. Stranamente, Russell e Norvig escludono questa particolare discussione sulle definizioni dalle edizioni successive del loro libro di testo, ampiamente considerato il libro di testo nel campo.
4. ? I Large Language Models (LLM) sono programmi che generano il linguaggio eseguendo un’analisi statistica di grandi quantità di testo.
5. ? Per una panoramica dell’apprendimento automatico e delle reti neurali artificiali, in particolare per quanto riguarda ChatGPT, si consideri l’Università dell’Arkansas Centrale, “ChatGPT: What Is It?” disponibile su https://uca.edu/cetal/chat-gpt/; o Stephen Wolfram, “What Is ChatGPT Doing . . . and Why Does It Work?” disponibile su https://writings.stephenwolfram.com/2023/02/what-is-chatgpt-doing-and-why-does-it-work/. Per una serie di primer particolarmente utili, i lettori possono apprezzare la serie didattica pubblicata da IBM su YouTube, disponibile su https://www.youtube.com/@IBMTechnology.
6. ? Kate Crawford, Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence (New Haven, CT: Yale University Press, 2021). Per un’interpretazione marxista provocatoria la cui discussione dell’IA “connessionista” in contrapposizione a quella “simbolica” è piuttosto utile: Matteo Pasquinelli, The Eye of the Master: A Social History of Artificial Intelligence (Londra: Verso Books, 2023), 14-15.
7. ? Noam Chomsky, Ian Roberts e Jeffrey Watumull, “Noam Chomsky: The False Promise of ChatGPT,” New York Times , 8 marzo 2023, disponibile su https://www.nytimes.com/2023/03/08/opinion/noam-chomsky-chatgpt-ai.html.
8. ? Nestor Maslei, Loredana Fattorini, Raymond Perrault, Vanessa Parli, Anka Reuel, Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Juan Carlos Niebles, Yoav Shoham, Russell Wald e Jack Clark, “The AI ??Index 2024 Annual Report,” AI Index Steering Committee, Institute for Human-Centered AI , Stanford University,
   Stanford, CA, aprile 2024, 5.
9. ? Niamh Rowe, “‘It’s Destroyed Me Completely’: Kenyan Moderators Decry Toll of Training of AI Models,” The Guardian, August 2, 2023, available at https://www.theguardian.com/technology/2023/aug/02/ai-chatbot-training-human-toll-content-moderator-meta-open-ai.
10. ? Boden, “Artificial Intelligence,” 18. 10. Lucy Suchman, “The Uncontroversial ‘Thingness’ of AI,” Big Data & Society, July-December, 2023: 1-5.
11. L’argomentazione classica a favore di una comprensione della tecnologia come espressione politicamente connotata, propria del capitalismo industriale : Leo Marx, “‘Technology’: The Emergence of a Hazardous Concept,” Social Research 64, no. 3 (Fall 1997): 965-88.
12. ? Harry Braverman, Labor and Monopoly Capital: The Degradation of Work in the Twentieth Century (New York: Monthly Review Press, 1974).
13. ? Moritz Altenried, The Digital Factory: The Human Labor of Automation (Chicago: University of Chicago Press, 2022), 7. Il suo uso del concetto di “taylorismo digitale” è piuttosto utile. Vedere anche: Alexandra J. Ravenelle, Hustle and Gig: Struggling and Surviving in the Sharing Economy (Oakland: University of California Press, 2019).
14. ? Per l’uso del termine “borghesizzazione”, vedere: Connie Winkler, “Office of Future May Not Work, Poppel Warns”, Computerworld , 21 maggio 1979, 12. Sul degrado del lavoro d’ufficio e del computer desktop: Jason Resnikoff, “The Paradox of Automation: QWERTY and the Neuter Keyboard”, Labor , vol. 18, n. 4 (2021), 9-39.
15. ? Benjamin Mullin and Nico Grant, “Google Tests AI Tool That Is Able to Write News Articles,” New York Times, July 19, 2023, available at https://www.nytimes.com/2023/07/19/business/google-artificial-intelligence-newsarticles. html.
16. ? “The AI Index 2024 Annual Report,” 272-3.
17. ? “What Does the Writers’ Strike Tell Us About the Future of A.I. and Jobs?” New York Times Audio, June 1, 2023. https://www.nytimes.com/audio/app/2023/06/06/what-does-the-writers-strike-tell-us-about-the-future-of-ai-and-jobs.html?referringSource=sharing.
18. ? Drew Richardson, “Hollywood’s AI Issues Are Far From Settled After Writers’ Labor Deal With Studios,” CNBC, October 16, 2023, available at https://www.cnbc.com/2023/10/16/hollywoods-ai-issues-are-far-from-settled-after-wga-deal.html.19. Janet Vertesi, “Don’t Be Fooled: Much ‘AI’ is Just Outsourcing, Redux,” Tech Policy Press, April 4, 2024, available at https://www.techpolicy.press/dont-be-fooled-much-ai-is-just-outsourcing-redux/.
19. ? Pierric Marissal, “Derrière l’intelligence artificelle «made in france››, des exploités à Madagascar,” l’Humanité, December 9, 2022, available at https://www.humanite.fr/social-et-economie/intelligence-artificielle/derriere-lintelligence-artificielle-made-in-francedes-exploites-a-madagascar.
20. ? Mia Sato, “An ‘AI’ Fast Food Drive-Thru Is Mostly Just Human Workers in the Philippines,” The Verge, December 8, 2023, available at https://www.theverge.com/2023/12/8/23993427/artificial-intelligence-presto-automation-fast-food-drive-thru-philippines-workers. Per le affermazioni dell’azienda, Presto Automation, disponibili su https://presto.com/.
21. ? Mary L. Gray e Siddharth Suri, Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass (New York: Houghton Mifflin Harcourt, 2019); vedere anche Antonio A. Casilli, “Waiting for Robots: The Ever-Elusive Myth of Automation and the Global Exploitation of Digital Labor”, Sociologias, vol. 23, n. 57 (maggio-agosto 2021), 112-33.
22. ? Sean Callahan, “DuPont Replaces 1935 Tagline to Reflect Corporate Change,” Ad Age, June 1, 1999. For the use of the word “revolutionary” by DuPont: The Atlanta Constitution, August 8, 1936, 21C.
23. ? “Special Report to Readers on: Automation,” Business Week, October 1, 1955. https://web-p-ebscohost-com.ezproxy.cul.columbia.edu/ehost/pdfviewer/pdfviewer?vid=2&sid=92a622be-ac9d-4dc5-a612-8c4ce01c9c90%40redis.
24. ? Per una panoramica dell’ampio fascino politico del discorso sull’automazione nel periodo postbellico, Jason Resnikoff, Labor’s End: How the Promise of Automation Degraded Work (Urbana: University of Illinois Press, 2021).
25. ? Resnikoff, Labor’s End, 22.
26. ? Daniel Bell, Work and Its Discontents: The Cult of Efficiency in America (Boston: Beacon, 1956), 49-53.
27. ? Sylvia B. Gottlieb to J. A. Beirne, Subject: Automation Sub-Committee—AFL-CIO Economic Policy Committee, January 16, 1957, folder 8, box 100, Communications Workers of America Records, Wag. 124, Tamiment Library, New York University.
28. ? Per un esempio particolarmente audace di ciò oggi: Aaron Bastani, Fully Automated Luxury Communism: A Manifesto(London: Verso, 2019).
29. ? Robert Asher, “The 1949 Ford Speedup Strike and the Post War Social Compact, 1946-1961,” in Autowork, ed. Robert Asher and Ronald Edsforth with the assistance of Stephen Merlino (Albany: State University of New York Press, 1995), 127-54.
30. ? Seonghee Lim, “Automation and San Francisco Class ‘B’ Longshoremen: Power, Race, and Workplace Democracy, 1958-1981” (PhD diss., University of California, Santa Barbara, 2015).
31. ? Roger Horowitz, “Negro and White, Unite and Fight!” A Social History of Industrial Unionism in Meatpacking, 1930-90 (Urbana: University of Illinois Press, 1997), 256
32. ? Louis Hyman, “It’s Not the End of Work. It’s the End of Boring Work,” New York Times, April 22, 2023, available at https://www.nytimes.com/2023/04/22/opinion/jobs-ai-chatgpt.html.

Jason Resnikoff è professore associato di storia contemporanea presso l’Università di Groningen nei Paesi Bassi (Rijksuniversiteit Groningen). Il suo libro, Labor’s End: How the Promise of Automation Degraded Work (University of Illinois Press, 2022), esplora le origini ideologiche dell’automazione negli Stati Uniti a metà del ventesimo secolo. In precedenza era un organizzatore per l’UAW.

testo originale: https://mronline.org/2024/10/17/contesting-the-idea-of-progress/