Ecologia comparata:
una prospettiva computazionale





1. Introduzione
2. L'evoluzione negli ecosistemi
2.1. Ecosistemi
2.2. Il torneo di Axelrod
2.2.1. Il trionfo di TIT FOR TAT
 3. Strategie evolutive stabili (ESS, evolutionary stable strategies)
4. Ecosistemi biologici e di mercato
4.1. Regole dei giochi
4.1.1. Principi fondamentali degli ecosistemi biologici
4.1.2. Principi fondamentali dei mercati economici idealizzati
4.1.3. Variazione e selezione
4.1.4. Misurazione del successo
 4.2. ESSs negli ecosistemi biologici
4.3. Le ESSs negli ecosistemi di mercato idealizzati
4.4. Reti alimentari e reti commerciali
4.5. Tutto ciò sembra sorprendente?
4.6. I mercati sono solo biologici?
 5. EURISKO e i mercati
5.1. Cicli parassitici
5.2. Leggi di conservazione
5.3. Un EURISKO basato sulle leggi di mercato?
5.4. Finanziatori esterni e sistemi aperti
 6. Memi e mercati: ecosistemi di mercato diretti e indiretti
6.1. Memi nei mercati e mercato indiretto
6.2. Ecosistemi di mercato diretto
 7. Sistemi computazionali legali e mercati
7.1 Problemi rimanenti per i mercati computazionali diretti
7.2. Beni pubblici ed espropri
7.3. Ecosistemi politici
7.4. Ecosistemi di meta-mercato
 8. Conclusione


Un antico sogno nel campo dell'intelligenza artificiale è stato l'uso di processi evolutivi per produrre sistemi di capacità maggiori di quelli che possiamo progettare direttamente. Questo documento raffronta tra loro diversi modelli evolutivi - come gli ecosistemi biologici, i mercati economici, e EURISKO - nei riguardi di questo obiettivo. Questo confronto suggerisce che una forma di ecosistemi qui chiamata mercato diretto (in opposizione al mercato indiretto della società umana) è una base promettente per gli ecosistemi computazionali1. Altri scritti attinenti [I,II] in questo libro elaborano ulteriormente il concetto di mercati computazionali diretti, in quello di sistemi agorici aperti [ndt: agoric open systems].


1. Introduzione


Un problema importante nell'utilizzo efficace dei computer è nell'affrontare la complessità: nel progettare programmi con sempre maggiori funzionalità, ci ritroviamo sopraffatti dalla loro crescente complessità; potrebbe sembrare che il livello di questa, nei sistemi computazionali, debba essere limitata dalla nostra capacità di comprenderli e progettarli; ma non è così: nel mondo reale esistono sistemi che si sono sviluppati pur senza un progetto - sistemi di una complessità indubbiamente molto superiore alla attuali capacità di progettazione [1].
Un sistema strutturato che si sviluppa senza un design premeditato è chiamato ordine spontaneo [2]. I cristalli forniscono un semplice esempio: la struttura del cristallo non è specificata in alcun modo nella natura delle forze atomiche dei suoi singoli elementi, tantomeno progettata, eppure tale struttura emerge come risultato di queste forze. Simili esempi includono le strutture osservate nel Gioco della Vita di Conway [3] e nei bracci a spirale delle galassie. Un principio di ordine spontaneo particolarmente potente è l'evoluzione: tra gli esempi di ordini spontanei osservabili nel mondo, i più intricati e impressionanti sono quelli - come il corpo umano e i linguaggi di comunicazione - che sono emersi attraverso processi evolutivi.

Lo scopo di quest'opera è capire come progettare sistemi che svilupperanno crescenti (e persino intelligenti) capacità computazionali attraverso processi di ordine spontaneo. Alla ricerca di quest'obiettivo, esamineremo diversi sistemi evolutivi per determinare quali proprietà serviranno meglio allo scopo quando le generalizzeremo al dominio computazionale.

La biologia fornisce gli esempi più familiari di processi evolutivi; una semplice generalizzazione di questi esempi potrebbe suggerire che l'evoluzione è necessariamente lenta, e che deve procedere per mutazioni casuali. Ma la cultura umana - comprese la tecnologia e la conoscenza scientifica - è anch'essa il risultato di un processo evolutivo [2,4]: ciò dimostra che l'evoluzione può procedere rapidamente e che le "mutazioni" in un sistema in evoluzione possono derivare dal pensiero e dall'intenzione. L'essenza dell'evoluzione è nel tentare e poi eliminare gli errori, ma i tentativi non devono necessariamente essere casuali.

L'evoluzione spesso si sviluppa in quello che, in termini biologici, è chiamato un ecosistema. Qui, il concetto di ecosistema è generalizzato per comprendere qualsiasi insieme di entità che interagiscono e si evolvono, operando nel contesto di determinate regole.

Gli ecosistemi possono essere distinti a seconda della loro capacità di risolvere problemi esternamente definiti. Potremmo immaginare di mettere una persona o un'ecosistema in una scatola e quindi presentargli dei problemi e una relativa ricompensa attraverso un'apertura. Una scatola piena di alghe e pesci "risolverà" un certo insieme ristretto di problemi (come ad esempio convertire luce in energia chimica), e porrà probabilmente poca attenzione alla ricompensa; una contenente una persona intelligente risolverà una differente e più ampia gamma di problemi; una contenente, ad es., una civiltà industriale (con l'accesso ad alghe, pesci e ai laboratori della Bell) risolverà una gamma di problemi ancora maggiore. Questa capacità di risolvere problemi posti dall'esterno può essere considerata una misura dell'"intelligenza" del sistema (v. sezione 6.2).

Il primo tra gli ecosistemi trattati in questo saggio è il gioco iterato del dilemma del prigioniero di Axelrod [5], che può servire come una specie di Escherichia coli degli ecosistemi; in seguito considereremo alcuni ecosistemi biologici, abbastanza conosciuti da servire come punto di riferimento per il resto. Sono discussi inoltre il programma EURISKO di Douglas Lenat [III,6], ecosistemi politici, e quelli che saranno definiti ecosistemi di mercato diretto e indiretto. I mercati sono il tema centrale: gli altri ecosistemi sono raffrontati ad essi, e gli stessi mercati sono generalizzati partendo dai sistemi umani esistenti fino ai sistemi computazionali proposti.



2. L'evoluzione negli ecosistemi


L'evoluzione procede attraverso la variazione e selezione dei replicatori; l'esempio più familiare è ovviamente l'evoluzione biologica, nella quale i geni sono i replicatori [7,8], la mutazione è il meccanismo di variazione, e una molteplicità di pressioni ambientali (predazione, parassitismo, competizione per le scarse risorse) agiscono come meccanismo di selezione. Il paragrafo seguente esplorerà una molteplicità di altri ecosistemi, la natura dei loro replicatori, e la natura dei processi di variazione e selezione.


2.1. Ecosistemi


Gli ecosistemi forniscono un contesto per l'evoluzione in due sensi diversi: primo, i replicatori dell'ecosistema evolvono in risposta ad aspetti invariabili dell'ambiente come il clima o le leggi fisiche; secondo, i replicatori interagiscono (attraverso la predazione, competizione, cooperazione, e così via) tra loro, costituendo ciascuno parte del contesto per gli altri. Quando i replicatori rispondono a pressioni selettive esterne, ma non interagiscono, il risultato è un sistema evolutivo, ma non un ecosistema; in un tale sistema non-ecologico, la sensibilità e raffinatezza delle pressioni selettive sono fisse.
La ricchezza e complessità ambientale generate quando entità in evoluzione possono interagire, conducono in genere a una maggiore complessità del sistema risultante: le pressioni selettive sono in questo caso esse stesse il risultato dell'evoluzione. Analizzare un sistema di questo tipo può essere comunque molto difficile: data la presenza di diversi anelli di retroazione (feedback loops) complessi e multi-direzionali che possono instaurarsi, si può confidare nella stabilità e direzione del sistema nel suo complesso? Ciò dipende dalla natura delle forze e del feedback.

L'analisi degli ecosistemi spesso implica l'analisi di effetti secondari e terziari; il torneo di Axerlrod fornisce un semplice esempio di questi effetti.


2.2. Il torneo di Axelrod


Robert Axelrod ha sviluppato un ecosistema nel quale le entità interagiscono in round di giochi del dilemma del prigioniero [5]. Per comprenderlo, dovremo prima capire il dilemma stesso; al posto dello scenario tradizionale coi prigionieri che vengono interrogati, risulta più chiara la presentazione di Hofstadter con la seguente situazione: due commercianti si accordano per scambiarsi degli articoli; ognuno dei due concorda di mettere il proprio articolo in una borsa e lasciarlo in un determinato posto per essere recuperato dall'altro. Il dilemma si presenta quando ognuno dei due prende in considerazione qual è il modo migliore per interagire con l'altro - dato che: non si conoscono, non si incontreranno faccia a faccia per lo scambio, e non commerceranno mai più l'uno con l'altro in futuro. Come dice Hofstadter, i due ragionano in questo modo:

"Se [l'altro] porta una borsa piena, mi converrà averne lasciata una vuota, così avrò ottenuto tutto quello che volevo senza dar via niente; se porta una borsa vuota, mi converrà averne lasciata una vuota, così non sarò stato truffato; non avrò guadagnato niente ma neanche perso niente. Quindi sembra che qualsiasi cosa lui faccia, mi convenga lasciare una borsa vuota. Allora farò così."
.. E così entrambi, con la loro impeccabile (almeno apparentemente) logica, lasciano borse vuote, e vanno via a mani vuote. Peccato! se entrambi avessero cooperato, avrebbero guadagnato ciascuno quello che voleva avere. E' la logica che impedisce la cooperazione? Questa è la questione del Dilemma del Prigioniero." [enfasi nell'originale di Hofstadter] [9]

La situazione strategica di base può essere precisata in questa maniera: in una singola iterazione del dilemma del prigioniero, ciascuno dei due giocatori sceglie le mosse (chiamate cooperare e defezionare) senza conoscere la scelta dell'altro. Se entrambi cooperano, entrambi sono ricompensati (nel caso proposto da Axelrod, con 3 punti); se uno defeziona e l'altro coopera, il primo riceve una ricompensa persino maggiore (5 punti), mentre il secondo non riceve niente (0 punti); se entrambi defezionano, entrambi sono puniti (ricevendo 1 solo punto).

In una singola tornata, ogni giocatore è incentivato a defezionare indipendentemente dalla mossa dell'altro, ma la doppia cooperazione è migliore della doppia defezione. Complessivamente, coppie di giocatori che cooperano, guadagnano un punteggio più alto di quelli che non lo fanno.

Un gioco iterato del dilemma del prigioniero (IDP) si svolge attraverso lunghe serie di mosse, per decidere le quali i giocatori possono sfruttare la storia del gioco. Nel caso in cui uno si aspetta (e spera in) ulteriori transazioni con l'altro, la semplice defezione non sembra più una soluzione molto attraente. In effetti, eseguendo un torneo di questo tipo su computer, Axelrod mostrò che la logica di un IDP in realtà favorisce la cooperazione.

Robert Axelrod propose un Torneo del Dilemma del Prigioniero per computer basato sulle precedenti regole. Un gruppo eterogeneo di esperti di teoria del gioco furono invitati a presentare programmi per giocare contro ognuno degli altri, in un round-robin di partite, ognuna composta mediamente da 200 singole mosse. Dopo il primo torneo, Axelrod rese noti i risultati - inclusa la natura del programma vincente, giudicato per il punteggio cumulativo [ndt: di ogni partita] - e sollecitò le iscrizioni per un secondo torneo.

La coppia composta dai due tornei di Axelrod può essere considerata un semplice ecosistema evolutivo: i replicatori erano i programmi stessi (o le strategie che quei programmi incorporavano), il meccanismo di variazione era l'inventiva umana (poiché i programmi potevano essere modificati tra un torneo l'altro), e il criterio di selezione durante un singolo torneo era semplicemente il numero di punti guadagnati; i programmi interagivano l'un altro in un ambiente che imponeva determinate regole, e il loro successo dipendeva dal comportamento di ognuno degli altri. In seguito, Axelrod proseguì nella simulazione della dinamica della popolazione di un insieme di programmi, partendo dal presupposto che il punteggio acquisito determinavano la "densità di popolazione" di quel programma nel periodo di tempo successivo.

In entrambi i tornei vinse un programma molto semplice: TIT FOR TAT4, proposto dallo psicologo Anatol Rapoport; nella simulazione della dinamica della popolazione, il successo di TIT FOR TAT fu persino più evidente; l'analisi del suo successo può suggerire come analizzare altri ecosistemi.


2.2.1. Il trionfo di TIT FOR TAT


Furono proposte ogni sorta di strategie, incluse molte che usavano complessi ragionamenti basati sulle precedenti interazioni, e una che rispondeva in maniera casuale. Il successo di una strategia dipendeva dal fatto che fosse:
Le altre strategia possono essere classificate in base a quali dei tratti precedenti non hanno: una strategia che parte con una defezione (e quindi non è "garbata") potrebbe essere chiamata ingannatrice, poiché sta cercando di guadagnare alle spese (e con la sciocca cooperazione) del suo avversario; il più semplice ingannatore defeziona sempre. Una strategia che sia garbata ma che non defeziona in risposta ad una defezione (cioè non "ripaga con la stessa moneta") potrebbe essere chiamata sucker [ndt: poppante, babbeo], poiché di essa si possono avvantaggiare gli ingannatori.

Gli ingannatori sono avvantaggiati su TIT FOR TAT poiché possono sfruttare appieno i suckers, mentre quest'ultimo coopera soltanto con loro; eppure, dato il mix di strategie proposte ai tornei di Axelrod, TIT FOR TAT li vinse entrambi. Una strategia ingannatrice avrebbe potuto vincere, comunque, se la popolazione iniziale avesse incluso un numero sufficiente di suckers. Perché allora sosteniamo che la strategia di TIT FOR TAT sia fondamentalmente superiore a quella ingannatrice? La simulazione della dinamica della popolazione fatta da Axelrod aiuta a rispondere a questa domanda.




3. Strategie evolutive stabili (ESS, evolutionary stable strategies)


Nella simulazione della dinamica di popolazione, ad ogni strategia è assegnato un valore indicante quanti "organismi",complessivamente, la stanno seguendo. Ad ogni generazione, il punteggio ricevuto da un organismo è quello che avrebbe ricevuto giocando una serie di partite uno-a-uno con tutti gli organismi in un campione rappresentativo della popolazione totale. Al termine di ogni generazione, il punteggio totalizzato dagli organismi che usano una certa strategia, determina la quantità di organismi di quel tipo esisteranno nella generazione successiva. (Un processo di questo tipo - in cui il successo in una partita influenza o determina la successiva - distingue la comune teoria dei giochi dalla teoria evolutiva dei giochi. Quest'ultima non ha bisogno di fare assunzioni riguardo al valore o alle ragioni, sebbene sia naturale pensare in termini di un "motivo di sopravvivenza" che genera un "motivo di successo".)

Come mostra la fig.2 ,in una popolazione dominata da suckers, una piccola popolazione di ingannatori è molto avvantaggiata, e riesce a raggiungere un temporaneo predominio; ma al prezzo di ridurre la popolazione di suckers, perdendo così il loro vantaggio; sono quindi poi costretti all'estinzione da TIT FOR TAT. Come mostra il diagramma, un ambiente con un numero sufficiente di TIT FOR TAT da impedire un'invasione di ingannatori, riesce a sostenere una popolazione stabile di suckers.

All'interno di questo ecosistema TIT FOR TAT può essere definito una strategia evolutiva stabile, o ESS. Una ESS è una strategia che, poiché domina un ecosistema, non può essere invasa da nessun altra strategia [10,7]. Nella terminologia di Maynard Smith, ESS si riferisce a una strategia specifica e dettagliata (come ad es. TIT FOR TAT); qui il termine indicherà generiche classi di stretegie che condividono alcune caratteristiche fondamentali, come essere "garbate", "vendicative", ecc. . Le regole che governano un dato ecosistema determinano il successo di determinate caratteristiche delle strategie, e quindi l'ESS.

Come abbiamo già visto, i suckers non sono un'ESS nell'ecosistema simulato da Axelrod perché possono essere invasi dagli ingannatori; questi sono un'ESS solo da un punto di vista superficiale - una popolazione composta solo di ingannatori non può essere invasa da una popolazione dispersa e poco numerosa di TIT FOR TAT; un piccolo ma significativo numero di questi, comunque, può cooperare, espandersi, e sostituire completamente una popolazione di ingannatori. Una popolazione dominata da una qualsiasi strategia che è "garbata" e sufficientemente "vendicativa" non può essere invasa da una che non lo è; al contrario, una che è dominata da una strategia non ha queste caratteristiche può essere invasa; per questo, l'ESS del torneo di Axelrod deve averle.

Se non c'è nessuna sorgente di variazioni, la dinamica di una singola popolazione può essere descritta solo come ecosistema, non come ecosistema evolutivo; la serie dei due tornei comprendeva delle variazioni dal primo al successivo, e aveva quindi le caratteristiche di un ecosistema evolutivo. Per comprendere meglio l'esempio portato dal torneo, immaginiamolo aperto a concorrenti provenienti dall'esterno in grado di proporre nuove strategie e introdurle in piccola quantità; in un ecosistema aperto e in evoluzione come questo, con nessuna restrizione sulle variazioni permesse, ci potremmo aspettare una popolazione costituita principalmente e progressivamente da una ESS; le proprietà di questa ESS riveleranno spesso proprietà inaspettate del sistema: ad esempio, in un ecosistema aperto come quello prima descritto la maggior parte delle azioni saranno cooperative.

La precedente discussione del sistema di Axelrod può beneficiare di una analisi retrospettiva: gli esperti di teoria del gioco che proposero le strategie iniziali conoscevano le regole, e quelli del secondo torneo avevano persino il vantaggio di conoscere i risultati del precedente: ciò nonostante, in entrambi i casi la maggior parte delle strategie proposte non erano "garbate", e per questo non erano ESSs. Le analisi che seguono riguardano ecosistemi molto più complessi e nei quali la natura delle strategie e delle ricompense sono molto più difficili da percepire.

Per questo motivo, molte delle osservazioni fatte nel resto del saggio non sono conclusioni certe , ma semplici ipotesi iniziali da controllare; la migliore metodologia per farlo è quella usata da Axelrod: simulare il sistema e mantenerlo aperto a qualsiasi collaborazione esterna; l'obiettivo è di capire quali proprietà di un ecosistema computazionale si riveleranno come comportamenti utili e significativi.



4. Ecosistemi biologici e di mercato


Questa sezione confronta ecosistemi di mercato idealizzati e ecosistemi biologici, ponendo l'attenzione sulle diverse strategie evolutive stabili (ESS) che essi favoriscono; i mercati idealizzati qui definiti sono astrazioni ispirate all'ambito del computer, simili al mercato economico umano ma privi di alcune loro complessità e problemi. L'idea di un mercato computazionale non è sviluppata in dettaglio in questo documento: vedere [I,II] per una discussione più approfondita.


4.1. Regole dei giochi


La precedente analisi degli ecosistemi di Axelrod cominciava prendendo in esame le regole del gioco: queste regole sono i vincoli all'interno dei quali gli organismi di quell'ecosistema devono operare; l'unico vincolo fondamentale valido sia per gli ecosistemi biologici che per quelli economici di mercato sono le leggi fisiche: ogni azione che non sia vietata da esse è teoricamente possibile per i "giocatori" in entrambi gli ecosistemi; comunque, per meglio analizzarli è utile considerarne le versioni idealizzate, nelle quali i giocatori devono rispettare vincoli aggiuntivi.


4.1.1. Principi fondamentali degli ecosistemi biologici


Un esempio di vincolo fisico negli ecosistemi biologici è il principio di conservazione della massa e dell'energia: per gli animali, le risorse critiche - biomassa e energia libera - sono limitate: possono essere trasferite e ridotte dalle transazioni che possono avvenire tra loro, ma non può essere aumentata; le piante possono ottenere queste risorse attraverso la fotosintesi: l'accesso alla luce del sole e l'area del suolo sono alcune delle loro limitate risorse critiche; la biomassa e l'energia libera sono necessarie per ogni attività, e possono essere trasferite attraverso il meccanismo della predazione.

Altri vincoli degli ecosistemi biologici (almeno stando alla loro storia evolutiva) sono l'uso preponderante delle proteine per la costruzione di meccanismi molecolari, e dei ribosomi programmati dall'acido nucleico per la loro fabbricazione. Questi vincoli (anche se non fondamentali per la presente discussione) hanno mostrato di limitare seriamente i materiali e i processi disponibili ai sistemi biologici [11,12].


4.1.2. Principi fondamentali dei mercati economici idealizzati


Nel tentativo di caratterizzare un ecosistema biologico idealizzato, per fortuna i limiti tra sistemi viventi e non-viventi è abbastanza chiaro. Al contrario, i mercati economici esistono nel contesto di attività del governo e del crimine - questo rende l'idealizzazione un compito più difficile e rischioso; nel seguito analizzeremo ecosistemi di mercato idealizzati che comprendono alcune semplici regole di base simili a quelle che possono essere fatte rispettare rigorosamente in un contesto computazionale. Questa analisi è in gran parte ispirata da analogie con i mercati economici, pur omettendone alcune particolarità che sono escluse dall'idealizzazione. La sezione 6.2 si baserà su un concetto di mercato idealizzato, descrivendo un ecosistema di mercato diretto, che si differenzia ulteriormente, partendo dalle possibilità offerte dai sistemi computazionali, dal mercato umano.

Le regole principali dei mercati umani sono tipicamente codificate in sistemi legali e fatte rispettare cercando di fermare e punire i trasgressori. Nell'ambito computazionale, queste regole possono essere imposte come leggi fisiche a cui è impossibile contravvenire. In particolare, i diritti di proprietà (o di possesso [ndt: il possesso, nello specifico senso giuridico, non implica necessariamente il diritto di proprietà]) possono essere implementati attraverso l'encapsulation3 [ndt: incapsulamento2] [I,IV,V]; valuta e trademarks non falsificabili possono essere implementati attraverso sistemi a chiave pubblica [13,14]. Le entità computazionali di un tale sistema non potrebbero rubare o frodare più di quanto un essere umano possa viaggiare più veloce della luce. Queste sono le caratteristiche basilari di un mercato idealizzato.


I mercati idealizzati possono contenere molti tipi diversi di risorse, che vanno dalla terra agli aerei, alle banconote, che possono appartenere a singole entità o gruppi; i proprietari non possono in nessun modo esserne derubati, ma possono trasferirle volontariamente ad altri soggetti. Quando ciò avviene con uno scambio reciproco, chiamiamo la transazione un commercio; gli scambi non possono aumentare la quantità di una risorsa - vale, localmente, il principio di conservazione. Le attività produttive, comunque, possono incrementare la disponibilità di molte risorse.

Stando alle regole del gioco, chiunque potrebbe produrre nuovi aerei: ma se ciò valesse anche per le banconote, esse sarebbero ovviamente inutili come moneta di scambio. Le regole di un mercato idealizzato permettono quindi la coniazione di nuova valuta solo da una determinata zecca [14]. Gli effetti della coniazione e dell'introduzione di nuova valuta in un ecosistema di mercato sono complessi [15,16], e in questo documento verranno ignorati: nel seguito considereremo una moneta che è sia localmente che globalmente costante.

Una differenza-chiave tra ecosistemi biologici e ecosistemi di mercato idealizzati è la capacità di stabilire e usare identità che non possono essere contraffatte: la natura abbonda di esempi di mimetismo e tentativi imperfetti di evitare di essere imitati [17]. Abbiamo già definito il diritto a un trademark come una delle caratteristiche dei mercati idealizzati. Ogni entità è in grado di creare un nuovo trademark e collegarlo al proprio prodotto o business: nessun'altra entità può usare il trademark di un'altra.



4.1.3. Variazione e selezione


In campo biologico, i replicatori sono i geni, e il meccanismo di variazione è la mutazione relativamente casuale del codice genetico dell'organismo (il suo genotipo); questo non significa che la variazione biologica è casuale: il fenotipo di un organismo - la sua struttura corporea, capacità e così via - determinano il suo successo [18]; esso è decodificato a partire dal genotipo attraverso un complesso processo di traduzione. La codifica di un fenotipo determina quali altri fenotipi sono raggiungibili date piccole mutazioni del genotipo; può quindi contenere delle euristiche che specificano mutazioni plausibili del fenotipo. Ad esempio, mutazioni che comportano la modifica della lunghezza di una gamba interagiscono con la regola euristica dello sviluppo embrionale che dice, in effetti, "fai la stessa cosa a entrambi i lati". Come spiegato in [III], AM e EURISKO impiegano i corrispettivi computazionali di questo principio (come fanno pure gli algoritmi genetici nei sistemi di classificazione [19]); la variazione biologica, comunque, è essenzialmente miope e limitata a cambiamenti incrementali.

I meccanismi di variazione e selezione di ecosistemi di mercato sono meno soggetti a vincoli di ottimizzazione locale o hill climbing [ndt: risalita su una collina] di quanto lo sono quelli degli ecosistemi biologici; in questi, temporanei cambiamenti in peggio (temporanei viaggi giù dalla collina) condurranno generalmente all'estinzione a causa della competizione con gli organismi che non li hanno attuati. Ciò, assieme alla piccolezza dei passi possibili attraverso le normali mutazioni, limita fortemente la capacità del sistema di raggiungere picchi lontani, per quanto alti possano essere.

Le variazioni nel mercato umano (come nel mercato computazionale descritto in seguito) è spesso il risultato dell'invenzione e della progettazione di persone (o altre entità in grado di farlo) che possono decidere insiemi coordinati di cambiamenti non necessariamente continui. Gli investitori in un mercato (ad es. compagnie di venture capital nel mercato umano) possono prevedere futuri successi malgrado un attuale situazione di fallimento, e investire nell'attraversamento di una "vallata" per raggiungere una "collina" più alta; le variazioni biologiche non possono prendere in considerazione argomenti di questo tipo. Ricompensando gli investitori di successo, i mercati selezionano quelle entità che possono facilitare questi grandi "salti". Progettazione ed evoluzione sono a volte presentati come principi mutualmente esclusivi, ma gli ecosistemi di mercato usano entrambi.


4.1.4. Misurazione del successo


Il successo (o "adattamento") di un processo evolutivo è talvolta definito in termini di sopravvivenza a lungo termine, ma ciò non è molto utile per analizzare il breve termine; inoltre, il nostro scopo è di utilizzare il punto di vista evolutivo per prevedere il comportamento di un ecosistema, non di determinare che tipo di entità lo comporranno in un lontano futuro. Per questo motivo, un utile criterio per determinare il successo di un replicatore è la magnitudine della sua capacità di modificare il suo ambiente; ciò è in sé difficile da misurare, e per questo cercheremo una metrica che è strettamente correlata a questa capacità.

In biologia, la capacità di controllo della biomassa e l'energia libera sono correlate con la capacità di partecipare alle attività biologiche; in un ecosistema di mercato, il valore netto di un'entità è la quantità delle sue risorse, e quindi una misura grossolana della sua potenziale capacità di partecipare alle attività del mercato. Il seguito analizza le strategie per ottenere questo tipo di successi.


4.2. ESSs negli ecosistemi biologici


Per sopravvivere, gli animali si nutrono di altri animali o piante; ciò accade principalmente attraverso la predazione (chiameremo "prede" le entità che vengono mangiate, siano essi animali o piante). Esso non è un processo sinergistico o simbiuotico - non ci sono incentivi verso al cooperazione fra prede e predatori; in caso contrario, entrambi cercherebbero di facilitare la transazione predatoria.




Figura 4: Predatore e preda. In un ecosistema biologico, prevalgono con la forza sulle difese delle prede per ottenere il cibo. Le forze dell'uno e le difese dell'altro evolvono in una sorta di "corsa alle armi", aggiungendo un carico aggiuntivo alla transazione predatoria; le linee rappresentanti forze e difese sono di conseguenza ravvicinate. Poiché l'attacco può venire da qualsiasi direzione, le difese sono schematizzate tutt'intorno alle prede.
Al contrario, gli incentivi conducono a una "corsa alle armi" nella quale i predatori sviluppano sempre migliori "denti" e le prede migliori "corazze"; per "denti" intendiamo qualsiasi meccanismo atto a facilitare la predazione, come le zampe del ghepardo o il naso del cane e "corazze" qualsiasi meccanismo atto ad evitare di essere predati, come le zampe della gazzella o il cattivo odore di una puzzola. Un predatore senza "denti" efficaci morirebbe di fame, e una preda senza un'efficace "corazza" potrebbe raramente sopravvivere abbastanza da riprodursi.

Le piante sono raramente predatori e spesso prede; come tali, hanno sviluppato spine, cortecce e veleni (molti sono cancerogeni, [20]); ciò ha condotto a un altro miglioramento di armi e difese, per il quale gli animali hanno sviluppato grandi molari per macinare e fegati biochimicamente complessi per combattere i veleni. Le piante competono tra loro per la luce in un'altra corsa alle armi che ha condotto alla crescita di alberi che investono in enormi tronchi per poter crescere in altezza e intercettare così la luce diretta ai propri vicini: piante efficienti e cooperanti avrebbero invece ricoperto il pianeta di erba o muschio; la loro energia sarebbe stata immagazzinata in zuccheri, amidi, oli, o qualche altra riserva metabolizzabile, invece che in legno inerte.

La predazione è una relazione a somma negativa (negative-sum relationship): uno dei partecipanti trae dei benefici, ma solo a un costo maggiore per l'altro; la competizione biologica è grossomodo a somma zero a breve termine, ma conduce a una dispendiosa corsa alle armi a somma negativa a lungo termine. Certo, esistono molti esempi di relazioni simbiotiche, a somma positiva, in biologia, ma possono essere considerati eccezioni.


4.3. Le ESSs negli ecosistemi di mercato idealizzati


Allo scopo di poter sostenere un'attività, i partecipanti a un mercato idealizzato devono ottenere risorse preziose, o beni; possono farlo attraverso l'equivalente di una solitaria prospezione [ndt: ricerca di materie prime] e fabbricazione, ma la competenza limitata di ogni singola entità favorirà l'ottenimento di beni da altre entità - in pratica, divisione del lavoro. Poiché le regole del mercato idealizzato rendono impossibile impossessarsi di beni con la forza, un'entità può ottenere i beni di un'altra solo inducendola a intraprendere una transazione volontaria. Un'entità che semplicemente desse via i propri beni perderebbe continuamente risorse e potere in confronto ad una che invece non lo facesse; una strategia di questo tipo non sarebbe una ESS; allo stesso modo, non lo sarebbe il semplice accumulare "doni".

Per ricevere beni, un'entità deve offrire qualcosa in cambio; perché entrambi vogliano commerciare, ognuno deve valutare i beni ricevuti più di quelli dati in cambio; baratti di immediato e mutuo beneficio valutati di pari valore da entrambi sono difficili da trovare, e produrrebbero solo una parte dei potenziali benefici del commercio, che sarebbero ottenibili con grandi scambi multi-direzionali tra più entità, ma essi sono difficili da negoziare. La forma di scambio predominante che ci si può aspettare è quindi il commercio di beni in cambio di valuta: essa rende possibili l'equivalente di grandi scambi multi-direzionali attraverso semplici scambi fra coppie di entità.

Ogni scambio all'interno di un mercato può essere considerato come un passo del sistema verso una condizione (una di molte possibili) in cui non rimane da fare nessuna transazione che possa interessare più entità (una condizione conosciuta come Pareto optimality); oppure come un passo verso la cima di una collina (hill-climbing): baratti alla pari possono essere paragonati a una scalata su un terreno accidentato, con poche possibilità di movimento; il commercio in un sistema con prezzi e valuta di scambio corrisponde invece a una scalata su un terreno meno accidentato e con maggiore possibilità di scelta.

In un commercio di beni in cambio di moneta, chiamiamo la parte pagante un consumatore e quella che vende un produttore; chiamiamo un insieme di produttori che compete per fornire gli stessi beni (o beni molto simili) un'industria.

La relazione produttore-consumatore può essere contrapposta a quella preda-predatore: i produttori, diversamente dalle prede, cercheranno di propria volontà i consumatori dei propri prodotti, usando annunci pubblicitari, reti di distribuzione e così via; i consumatori, meno sorprendentemente, andranno alla ricerca di produttori (nel mercato umano, leggendo gli annunci, girando per i negozi, ecc.). La natura simbiotica di questa interazione è evidenziata dall'interesse che entrambe le parti hanno nel facilitarlo. Poiché il commercio tipicamente incrementa la "vitalità" di entrambi i partecipanti, aumenta anche quella della coppia considerata come un'unica entità.

Esistono molte relazioni a somma negativa persino in un mercato idealizzato: la più comune è la competizione tra produttori di una stessa industria. Nel giudicare la natura di un mercato nel suo complesso, però, è importante notare che la competizione tra produttori è in realtà competizione per poter meglio cooperare col resto del mondo, nell'attirare i consumatori in positive relazioni di commercio.

In assenza di regole perfettamente efficaci per prevenirlo (che sembrano difficili da definire, persino nel dominio computazionale), i mercati saranno soggetti alle frodi; una transazione fraudolenta si verifica quando un produttore induce un consumatore a pagare per un bene indesiderato utilizzando falsi pretesti.

E' conveniente distinguere commerci fraudolenti da quelli in cui (alla luce di successive informazioni) una scelta diversa avrebbe permesso di ottenere un prodotto o un prezzo migliore. I commerci non ottimali sono sempre presenti, data un'imperfetta conoscenza (che sarà ubiquitaria nei mercati computazionali), ma questa argomentazione può essere usata a sfavore dell'uso del meccanismo di mercato solo se fosse possibile trovare un modo migliore di usare una conoscenza imperfetta. Diversamente dai commerci fraudolenti, quelli non ottimali sono comunque simbiotici: semplicemente non raggiungono una immaginaria perfezione.

La possibilità di frodi, assieme alle possibili differenze di qualità, costituisce un incentivo alla diffidenza del consumatore; consumatori accorti creeranno a loro volta un incentivo per i produttori a non tentare frodi e per offrire affari di grande (anche se non necessariamente ottimale) qualità. La ESS risultante è di essere "produttivi e diffidenti" - diffidenti come un consumatore e produttivi e onesti come un produttore - principalmente per le stesse ragioni per cui essere "gentili e vendicativi" è la ESS del torneo di Axelrod. Data una varietà di strategie in un nuovo ecosistema di mercato, ci si può aspettare l'applicazione di strategie fraudolenti da parte dei produttori, che trarranno inizialmente profitto alla spese di strategie poco diffidenti dei consumatori: in conseguenza di ciò, i consumatori diffidenti cresceranno in importanza, portando all'estinzione le strategie fraudolenti da parte dei produttori; queste ultime, tra l'altro, sopraffarrano inizialmente quelle di produttori onesti, che sono notevolmente meno produttive di quelle dei loro competitori. A un livello di risoluzione più dettagliato, ovviamente, ci saranno tante strategie particolari per essere produttivi e diffidenti quante sono le nicchie per le entità in quel mercato.

Come può un consumatore essere effettivamente accorto? La relazione produttore-consumatore è simile a quella di un IDP: se un produttore vende con la frode un prodotto senza valore, sta tradendo gli accordi, cioè defezionando; un consumatore accorto deve tenerne conto, per poterlo ripagare della stessa moneta (per esempio, evitandolo, e avvertendo altri consumatori). Controllare una defezione può essere comunque costoso, e i consumatori sono spesso in situazioni non-iterate. Agenzie di reputazione, come Consumer Reports, possono abbassare il costo della diffidenza e renderla più efficace ponendo il produttore in una situazione iterata nei confronti dell'intera comunità (vedi la discussione sugli agenti di reputazione in [I]). Il trademark su servizi e prodotti permette ai produttori di dimostrare il valore della propria reputazione; la mancanza di questo meccanismo in biologia [17] contribuisce alla relativa scarsità di relazioni simbiotiche in questo campo.


4.4. Reti alimentari e reti commerciali


Sia gli ecosistemi biologici che quelli di mercato contengono un mix di relazioni simbiotiche e a somma negativa; in questo saggio sosteniamo che i primi comportano una parte maggiore di predazione, mentre i secondi una maggiore di simbiosi. Indubbiamente, si potrebbe far notare che ciò è vero anche per il mercato umano considerato come ecosistema, e che essi sono, complessivamente, dominati dalla simbiosi, come gli ecosistemi biologici sono dominati dalla predazione.

Nel mercato umano (come in quello idealizzato) i produttori che compongono un'industria competono tra loro, ma catene di scambi simbiotici connettono industria a industria; similmente, la competizione in biologia si verifica più spesso tra chi occupa una stessa nicchia, ma, in questo caso, è la predazione che connette nicchia a nicchia. A causa della mancanza di reputazioni e trademarks, la simbiosi in campo biologico si verifica quasi sempre in situazioni in cui le due parti si incontrano in un "gioco" altamente iterato. Al limite, il sistema simbiotico stesso diventa così strettamente interconnesso da essere considerato un singolo organismo - come nel caso dei licheni, composti di funghi e alghe, o animali composti di cellule eucariote contenenti mitocondri. La predazione, ovviamente, collega una isola simbiotica all'altra.

I testi di ecologia mostrano reti di relazioni preda-predatore (chiamate reti alimentari), poiché esse sono importanti per comprendere gli ecosistemi: le "reti simbiotiche" non hanno trovato una simile attenzione; similmente, i testi di economia mostrano reti di relazioni commerciali che circondano il globo: reti predatorie o relazioni a somma negativa non hanno trovato una simile trattazione teorica (persino reti criminali formano tipicamente dei "mercati neri" all'interno dei quali vige la cooperazione). Non è possibile dimostrare l'assenza di tali reti simbiotiche in biologia, o di reti a somma negativa nel mercato: questi sistemi sono troppo complessi per una qualsiasi dimostrazione; l'argomentazione è qui, invece, evolutiva: sosteniamo cioè, che i concetti che giungono a dominare un campo scientifico evoluto tendono a riflettere i fenomeni che sono effettivamente rilevanti per la comprensione della materia che ne è soggetto.


4.5. Tutto ciò sembra sorprendente?


La natura è generalmente giudicata come armoniosa, mentre i mercati umani come in continua lotta, eppure quanto detto precedentemente suggerisce esattamente l'opposto. La preminenza psicologica dei fenomeni insoliti può spiegare l'apparente inversione del comune punto di vista. La simbiosi risalta in campo biologico: tutti abbiamo sentito parlare dell'insolita relazione tra i coccodrilli e gli uccelli che ne estirpano i parassiti, ma sappiamo meno del più comune tipo di relazione tra i coccodrilli e ciascuno dei molti animali di cui si cibano; né, nel considerare quegli uccelli, si è portati a soffermarsi sulla relazione predatoria tra i parassiti e il coccodrillo, o tra gli uccelli e i parassiti. La simbiosi è insolita e interessante, la predazione è comune e noiosa.

Similarmente, frode e criminalità spiccano nei mercati: i quotidiani riportano i casi principali di frode e appropriazione indebita, ma pongono poca attenzione al massiccio giro d'affari di ogni giorno che soddisfa i bisogni di cereali, sapone o benzina nel commercio al dettaglio. Il crimine è insolito e interessante, il commercio comune e noioso.

La ricerca psicologica indica che il pensiero umano è soggetto ad una sistematica deformazione: i casi vividi e interessanti sono ricordati più facilmente, e i casi ricordati più facilmente sono ritenuti essere i più comuni ([21]). Inoltre, la stampa (e la dirigenza) preferisce descrivere la pacifica competizione per ottenere l'attenzione del cliente come se fosse un combattimento mortale, completo di ferite e teste che rotolano: ancora una volta, le immagini vivide l'hanno vinta. Questi fattori spiegano bene il comune punto di vista sui mercati ed ecosistemi biologici.

Immaginate, al contrario, che la simbiosi fosse così fondamentale in biologia come lo è per i mercati: i coccodrilli non avrebbero soltanto uccelli per la pulizia dei denti, batteri simbionti nell'intestino ecc., ma avrebbero simbionti che gli fornirebbero protesi e corone dentarie, per non parlare della chirurgia orale, cardiaca, trapianti di rene, come pure scarpe, abiti, mezzi di trasporto, abitazioni, centri per il divertimento, telecomunicazioni, massaggi e cure psichiatriche.

Oppure immaginate che la predazione fosse così fondamentale per i mercati come lo è in biologia: invece di occasionali furti su uno sfondo di commercio, vedremmo i nostri vicini che hanno rubato le proprie auto dai rivenditori, i quali hanno compiuto un'aggressione a mano armata nelle fabbriche di Detroit, le quali a loro volta hanno ottenuto componenti e attrezzature saccheggiando i negozi specializzati nell'area circostante. Le cosiddette "scalate ostili" ("hostile corporate takeovers") non si riferirebbero all'acquisto di quote azionarie da parte di azionisti impazienti, ma a un'improvvisa irruzione negli uffici da parte di una banda armata.

Gli ecosistemi biologici hanno permesso l'evoluzione di creature ed ambienti di grande bellezza e complessità, e mostrano un grandioso ordine spontaneo, ma è un ordine diverso da quello sinergistico e simbiotico dei mercati economici. Se lo scopo della costruzione di ecosistemi computazionali fosse quello di massimizzarne la bellezza e complessità, la biologia potrebbe essere un modello eccellente; ma dato l'obbiettivo di un ecosistema computazionale in grado di risolvere problemi, conviene cercare un sistema che favorisca la cooperazione e l'uso di conoscenze e capacità specialistiche: gli ecosistemi di mercato sembra più adatti a questo scopo.


4.6. I mercati sono solo biologici?


Potrebbe essere obbiettato che i meccanismi che facilitano una così diffusa simbiosi negli ecosistemi di mercato sono ottenibili anche all'interno delle regole dell'ecosistema biologico: dopo tutto, queste regole non impediscono agli organismi di mettere in comune le loro risorse per difendersi dai predatori, o di stabilire dei sistemi di reputazione o di trademark. E, indubbiamente, ciò è stato fatto.. con istituzioni come le leggi, i tribunali, le banche e i marchi di fabbrica, i primati parlanti hanno guidato la loro specie attraverso la transizione dalla "natura, dai denti e artigli rossi di sangue" a una civiltà industriale che si estende su un intero pianeta. Benché ciò sia stato ottenuto all'interno dei vincoli biologici, il merito non è delle leggi biologiche, come nel caso di una macchina per la comprensione del linguaggio il merito non è del Lisp.

Questo confronto fra ecosistemi biologici e di mercato suggerisce alcuni punti di forza dei mercati come modello per la computazione. Nel seguito esamineremo un semplice ecosistema computazionale e considereremo come i meccanismi di mercato possano essere utili in simili sistemi.




5. EURISKO e i mercati


Il sistema EURISKO di Douglas Lenat [6] può essere visto come un ecosistema in cui i replicatori sono delle euristiche che interagiscono e si evolvono, cioè regole computazionali empiriche che possono evolvere. EURISKO è popolato da due tipi di euristiche: euristiche a livello di oggetto, il cui dominio è un certo argomento specifico che deve essere esplorato (ad esempio giochi di guerra o VLSI tridimensionale), e meta-euristiche (ME), il cui dominio è composto dalle euristiche stesse. La variazione avviene con la creazione da parte delle ME di nuove euristiche, partendo da quelle vecchie e applicando delle mutazioni; la selezione è attuata dalle ME giudicando e determinando quanto è interessante [ndt: interestingness5] una certa euristica, in pratica un valore numerico associato a quell'euristica; questo valore determina l'allocazione delle risorse per il processo: in questo modo le euristiche competono per la sopravvivenza e il potere, entrambi basati sul loro grado di interestingness.

Per applicare EURISKO alla teoria degli insiemi, per esempio, si potrebbe cominciare col fornirgli alcune euristiche a livello di oggetto rappresentanti i concetti basilari di tale teoria (come l'uguaglianza e l'unione di insiemi), meta-euristiche per creare concetti plausibili a partire dai precedenti (ad esempio, rimuovere una congiunzione da un predicato per indebolirlo), e meta-euristiche per cercare di determinare cosa è matematicamente interessante (ad esempio, una coincidenza inaspettata). Il predecessore di EURISKO, AM, cominciò esattamente con questo, e fu in grado di scoprire (e giudicare interessanti), nell'ordine: i numeri interi, l'addizione, la moltiplicazione, la scomposizione in fattori, i numeri primi, e la congettura di Goldbach.

Ci sono state alcune controversie riguardo al senso in cui si possa dire che AM abbia scoperto questi concetti, e se esso sia un risultato riproducibile; per una discussione a questo riguardo, vedi [III]. E' da notare anche che molti di questi risultati sono stati riprodotti dal programma CYRANO [22] (simile a EURISKO) di Ken Haase.

In AM, le meta-euristiche potevano mutare e giudicare le euristiche a livello di oggetto, ma non evolvevano esse stesse sotto l'influenza una dell'altra. Questa caratteristica è stata successivamente modificata in EURISKO: in esso i due tipi di euristiche si trovano a uno stesso livello del sistema e possono operare liberamente l'una sull'altra. Ciò ha permesso al meccanismo di variazione (incluso il linguaggio di rappresentazione interno) e alla pressione selettiva di evolvere e adattarsi assieme al resto del sistema.

5.1. Cicli parassitici


Durante un'esecuzione di EURISKO, una meta-euristica raggiunse il massimo valore di interestingness semplicemente perché era stata la creatrice di tutte le euristiche che erano state ritenute interessanti: come "creatrice" di tali euristiche interessanti, era stata essa stessa giudicata interessante. Lenat fa notare che EURISKO ha, quando eseguito per lunghi periodi, costantemente inventato nuovi modi per entrare in loop infiniti, in un modo o nell'altro. Questo problema può essere paragonato all'evoluzione di parassiti, cioè sistemi che consumano risorse senza fornire nessun risultato utile.

Lenat ha limitato questo problema regolando manualmente il valore di alcuni insiemi di meta-euristiche, e ponendo determinate meta-euristiche a un meta-livello "congelato", protetto dalle modifiche evolutive. Ma ciò può risolvere il problema del parassitismo solo se tutte le entità che assegnano la interestingness sono poste a questo speciale meta-livello: una parte considerevole del sistema è in questo modo incapace di evolversi oltre la sua progettazione iniziale, e quindi incapace di adattarsi a cambiamenti imprevisti all'interno del sistema; con questo tipo di soluzione va perduta molta della flessibilità ricercata nel passaggio da AM a EURISKO.

In EURISKO, l'interestingness è uno standard di valore che può essere usato per ottenere risorse di sistema; se viene permesso alle meta-euristiche di asserire un valore - e quindi di generare delle pretese dal nulla - allora si potranno sempre evolvere dei "parassiti"; se viene impedita l'auto-ricompensa diretta, sorgeranno spontaneamente delle "cospirazioni" che si auto-ricompenseranno: ad esempio, se una euristica viene costantemente giudicata interessante da una particolare meta-euristica, per essa diventa un'ESS scoprire qualche modo di usare una parte delle risorse risultanti per ripagare quella meta-euristica; cioè, potremmo dire, di trovare un modo di pagare una "tangente" al suo giudice (non di influenzare il giudice in suo favore, ma di aumentarne l'influenza a proprio favore). Questo problema può essere anche visto come una "tragedia dei beni comuni" [23]: le risorse dei processi corrispondono ai beni comuni, e poiché il costo del loro utilizzo (in termini degli usi alternativi a cui bisogna rinunciare, ecc.) è sopportato quasi esclusivamente dagli altri, ogni entità ha un incentivo a inghiottire in maniera sfrenata ogni risorsa.


5.2. Leggi di conservazione


Questo dilemma può essere evitato imponendo delle restrizioni sull'asserzione di valori a un semplice livello fondazionale, piuttosto che restringere il campo dei valori a un insieme statico di complesse euristiche. Come può essere realizzato ciò? Gli ecosistemi biologici e di mercato hanno entrambi delle quantità per le quali vale un principio di conservazione locale (materia, energia, valuta) che sono indici del successo, ed entrambi i sistemi hanno continuamente generato risultati nuovi, genuinamente interessanti. Uno sterile auto-rinforzo non può condurre ad alcun successo, poiché non può trarre dal nulla delle risorse; questo principio può essere applicato a sistemi simili a EURISKO.

Un approccio affascinante può essere una ricompensa basata su una valuta localmente conservativa, usata per pagare servizi e risorse computazionali: in questo modo si inibisce il parassitismo attraverso stabili fondamenta che non contengono esse stesse nessuna conoscenza riguardo le euristiche (oltre a quest'argomento). In un sistema di questo tipo, un'euristica deve pagare per le risorse del processo e per i servizi forniti dalle altre euristiche. I cicli improduttivi di euristiche mutuamente ricompensantisi vengono in questo modo spezzati, poiché (per il principio di conservazione della moneta) un gruppo di euristiche può procurarsi fondi solo ricevendoli da un'entità solvente fuori del gruppo - un'entità che, presumibilmente, o riceve o si aspetta di ricevere dei servizi di un certo valore. Una entità produttiva potrebbe ancora involontariamente finanziare un processo improduttivo, ma la pressione della competizione aiuterà a sradicare anche questo comportamento.

L'eliminazione di entità indesiderate e non produttive facendole fallire economicamente diventa in questo modo il robusto risultato di un vincolo fondamentale, non il risultato azzardato di euristiche regolate a mano. La sua affidabilità e universalità è ottenuta allo stesso modo di molti principi fisici: deriva da una legge di conservazione, e quindi è indipendente da limiti dei sottosistemi e dalla struttura del sistema.


5.3. Un EURISKO basato sulle leggi di mercato?


Il meccanismo di mercato suggerisce come un sistema simile ad EURISKO (EURISKO-like) potrebbe funzionare senza barriere tra i livelli di euristiche, o insiemi protetti di euristiche col compito di supervisori: in un sistema di questo tipo, quando viene invocata una euristica, essa fa pagare l'utilizzatore abbastanza da coprire il costo del servizio fornito, più una royalty che ricompensa i creatori dell'euristica. Man mano che gli utilizzatori impareranno a fare delle scelte discriminanti, le euristiche competeranno per massimizzare le proprie perfomances per unità di risorsa di sistema consumata. Le meta-euristiche che creeranno nuove euristiche incasseranno delle royalties dalle loro creazioni a seconda di quanto queste si dimostreranno utili. Quando diverse ME saranno responsabili della creazione di una data euristica, potranno essere considerate i suoi "stockholders", che si spartiranno le royalties (o dividendi) secondo un precedente accordo contrattuale.

Anche le regole per la negoziazione dei termini di questi contratti potranno evolvere; la giusta divisione delle ricompense sarà essa stessa ricompensata, poiché condurrà all'evoluzione di sottosistemi più efficienti. La capacità di sviluppare una migliore divisione dei compensi è molto importante per un buon sistema per l'apprendimento (vedi la discussione su algoritmi genetici e connessionismo nell'appendice II di [I]).

Finora abbiamo delineato in che modo la moneta circola tra le euristiche, e come è infine usata per pagare le risorse di sistema. Da dove nasce questo flusso di moneta? La sezione successiva risponde a questa domanda reintroducendo inizialmente un meta-livello protetto (ma che evita comunque i problemi esposti in precedenza), e quindi spiegando come è possibile rimuovere anche questo meta-livello.


5.4. Finanziatori esterni e sistemi aperti


In un sistema simile a EURISKO basato su un mercato chiuso, le euristiche pagano per lo spazio occupato in memoria e il tempo di processore che utilizzano; i fondi raccolti vengono quindi riciclati per finanziare la computazione. Se la re-introduzione di fondi è controllata da entità esterne al sistema, le euristiche al suo interno verranno selezionate per la loro efficacia nel risolvere il problema dell'individuazione dei criteri per l'allocazione dei fondi. In fin dei conti, questi criteri descrivono il problema che viene posto al sistema: potrebbero essere viste come semplici ricompense contingenti per la soluzione di problemi.

L'agenzia finanziatrice è esterna al sistema, e quindi non è soggetta all'evoluzione euristica; essa potrebbe sembrare l'equivalente dei meta-livelli protetti di Lenat, ma, a differenza di EURISKO, un sistema come questo potrebbe contenere un insieme di meta-euristiche pienamente in grado di evolversi. I finanziatori esterni ricompensano solo i risultati finali; le meta-euristiche all'interno del sistema possono agire come investitori nel mercato, accelerando l'adattamento del sistema agli obbiettivi definiti esternamente. Gli investitori e le attività in cui essi investono partecipano entrambi allo stesso, unico livello di mercato del sistema. L'utilizzo di questa sorta di meta-livello evita il "congelamento" di criteri per giudicare i risultati intermedi, o per giudicarne i giudici (questa soluzione può essere paragonata alle proposte per il finanziamento della ricerca scientifica [24]).


La regola ineccepibile di un'agenzia finanziatrice esterna diventa chiara quando il sistema viene considerato come parte di una più vasta economia, nella quale utilizzatori umani posti all'esterno forniscono i fondi e quindi il feedback; l'evoluzione dei programmi all'interno del sistema è in definitiva guidata dal giudizio umano di che cosa costituisce una buona prestazione [VI]; in un sistema come EURISKO basato sui mercati, l'euristica che fa da "supervisore" e che giudica le altre euristiche sarebbe essa stessa giudicata da persone: questa sua posizione non implica nessuno speciale privilegio, ma è il risultato delle regole del sistema, nel quale le entità sono finanziate direttamente dagli utilizzatori. La precedente esperienza con EURISKO può essere anche vista in questa luce: le meta-euristiche del livello protetto non erano realmente immuni dall'evoluzione: Lenat stesso le modificava e selezionava in base ai comportamenti che riteneva migliori, e allocava le risorse di processo a quelle versioni di EURISKO che giudicava più promettenti.

In un sistema distribuito consistente di nodi EURISKO-like ognuno interagente con l'altro, l'agenzia esterna finanziatrice di ogni nodo potrebbe essere rappresentata da altri nodi (ovviamente questo principio non richiede macchine fisicamente separate). In un mercato computazionale aperto - cioè uno collegato al mercato economico umano, che utilizzi dollari reali - i partecipanti umani potrebbero essere visti come la meta-euristica finale: essi sarebbero la sorgente iniziale e destinazione finale del flusso di fondi nel sistema, e la fondamentale fonte di variazione (almeno inizialmente); comunque, sotto nessun aspetto sono delle meta-euristiche protette. Il flusso di denaro reale, e la fornitura di un servizio software effettivamente utile, costituirà un incentivo per gli umani per massimizzare l'utilità del sistema e acquistare i servizi che sarà in grado di offrire (vedi "Agoric systems in the large" in [I]).




6. Memi e mercati: ecosistemi di mercato diretti e indiretti


Le culture umane evolvono: i loro replicatori sono rappresentati da tutte le strutture di informazioni che costituiscono una cultura, e che si diffondono (con variazioni) da persona a persono attraverso l'imitazione; per analogia con i geni, questi replicatori sono chiamati memi [7]; essi comprendono idee, credenze, abitudini, morali, mode, speranze, techiche, scherzi, ed altro. Qualsiasi struttura che possa diffondersi attraverso l'imitazione è un meme, persino se il suo ospite umano non è in grado di spiegarlo o è inconsapevole della sua esistenza.

E' importante comprendere che i replicatori delle culture umane sono i memi, non le persone: la mancanza di questa distinzione ha condotto alla spiacevole confusione chiamata "darwinismo sociale"; la nostra capacità di cambiare opinione permette all'evoluzione culturale di procedere non attraverso la selezione degli uomini, ma, come dice Karl Popper. "facendo morire le nostre teorie al nostro posto" [4].

La comprensione della natura evolutiva della cultura umana ha ispirato proposte in ambito computazionale per aiutare la diffusione dei memi tra gli umani [25,26] e per istituire un ecosistema memetico tra entità software [VII]. I memi che costituiscono la cultura umana sono di diversi generi, a seconda del loro meccanismo di variazione e selezione: piuttosto che studiare la cultura umana come un ecosistema singolo di tipo generico, ha più senso vederlo come composto di molti ecosistemi memetici interagenti tra loro.

Ad esempio, Karl Popper descrive la scienza in termini evolutivi [4]: i suoi replicatori sono le teorie, e la loro evoluzione procede attraverso un processo di ipotesi e confutazione, in pratica, di variazione e selezione. Il criterio di selezione include il requisito che una teoria sia allo stesso tempo falsificabile [ndt: cioè se ne possa dimostrare la falsità, v. anche la spiegazione di Drexler subito dopo] e non già falsificata ("falsificabile" vuol dire che nel caso in cui fosse falsa, lo si potrebbe dimostrare sperimentalmente). In campo scientifico solo le teorie falsificabili e vere sono ESSs - una teoria è falsa o perché è stata confutata o perché non era falsificabile, e quindi viene scartata a priori. In altri sistemi memetici nei quali i replicatori sono ugualmente teorie, ma che applicano criteri di selezione diversi, anche teorie non vere possono essere ESSs. L'idealizzazione della ricerca scientifica ha inspirato anche idee e sistemi in campo computazionale [27,28].


6.1. Memi nei mercati e mercato indiretto


Ai fini di questo saggio, i sistemi memetici ritenuti interessanti sono quelli che danno forma alle attività nei mercati, che chiameremo market memes, o memi di mercato; tra essi sono comprese le idee che definiscono le strategie di produzione, organizzazione, marketing, investimento, e molte altre. I market memes possono far parte di individui o gruppi, come le aziende, ma in entrambi i casi il loro meccanismo di selezione è indiretto, agendo attraverso la mente umana:

il flusso di denaro non è diretto verso i memi di mercato che hanno successo dal punto di vista evolutivo, ma verso i soggetti che li ospitano. Indipendentemente da quanto denaro esso riesca a far guadagnare, un meme non è in grado di "noleggiare" più risorse mentali - non può nemmeno proteggere se stesso e impedire di essere rimpiazzato. Entità che interagiscono direttamente in un mercato ideale possono possedere beni che in nessun modo possono essergli tolti (contro volontà); ciò non è vero invece per i memi.

I market memes possono replicarsi diffondendosi da individuo a individuo, ma per alcuni di essi questo processo è difficile da attuare: complessi market memes, come le capacità di businness management, o le strutture organizzative, sono difficili da comunicare senza introdurre grandi variazioni. I sistemi biologici possono generare e controllare molte piccole variazioni di un genotipo, e replicare poi quello di maggior successo, mentre i mercati umani raramente possono fare lo stesso con una organizzazione.

I meta-market memes sono memi responsabili della generazione di nuovi memi di mercato; un esempio potrebbe essere un'idea per come istruire e formare migliori imprenditori. Quando i risultati sono positivi, comunque, non c'è nessuna garanzia che una qualche ricompensa si propaghi all'indietro fino ai memi che ne sono responsabili; poiché i meta-market memes non ricevono crediti in cambio dei loro sforzi, la gente è indotta a investire in essi meno del necessario.

Quindi, i market memes non sono in grado nè di beneficiare direttamente del loro proprio successo, nè (in generale) di replicare e lasciare in eredità le loro caratteristiche positive. Questi difetti del sistema nella creazione, diffusione e replicazione dei memi rende la loro evoluzione un processo lento e disarmonico; le caratteristiche di successo vengono riconosciute e imitate, ma spesso in maniera imperfetta.

Benché istituzioni come i brevetti, segreti commerciali, e copyright cerchino di rafforzare i cicli di feedback, c'è soltanto un'accoppiamento indiretto fra le forze di mercato e i replicatori del mercato umano: questo sistema costituisce per l'appunto quello che qui abbiamo chiamato mercato indiretto. Nell'ambito del software, comunque, sembra possibile costituire un mercato diretto - un ecosistema in cui i replicatori che dominano i processi evolutivi sono ricompensati direttamente dal loro successo nel mercato.




6.2. Ecosistemi di mercato diretto


In un mercato diretto implementato in ambito software, un'euristica o strategia di successo può acquisire direttamente maggiori risorse e, se necessario, replicarsi con piccole variazioni; in questo senso, un mercato diretto rassomiglia più a un ecosistema biologico che al mercato umano. Inoltre, le meta-euristiche possono generare nuove entità software partendo dalle precedenti (che forniranno le informazioni richieste) utilizzando mutazioni plausibili e ricombinazioni delle strutture che li incorporano. La generazione di nuove entità avverrà generalmente solo dopo che le euristiche partecipanti avranno negoziato una suddivisione di ogni successiva ricompensa (una parte dei loro dividendi si propagherà poi all'indietro ai loro creatori). Questi meccanismi ricompensano direttamente (e quindi incoraggiano) attività di "meta-mercato", come l'invenzione di nuove forme di businness.

I mercati diretti hanno anche altri vantaggi rispetto ai mercati umani: in questi ultimi le leggi contro il furto e l'estorsione sono fatte rispettare in maniera imperfetta attraverso meccanismi come polizia, tribunali e prigioni. Per quanto riguarda il software, invece, queste leggi possono essere rese simili a leggi fisiche; i mercati umani sono afflitti da aspetti collaterali negativi (come l'inquinamento dell'aria) risultanti dalla natura non-locale e non-acquistabile [ndt: unowned, letteralmente e più precisamente "non posseduto", "che non ha proprietario"] di molte risorse comuni (come l'aria); nel software, sembra che questi problemi possano essere ampiamente evitati: le risorse fondamentali per la computazione - processor time, spazio di memoria, e larghezza della banda di comunicazione - possono essere allocate senza influire negativamente sul resto del sistema [II]; non sembra esserci bisogna di alcuna proprietà comune negli ecosistemi computazionali: gli ambienti computazionali non hanno bisogno dell'analogo di aria, acqua, linee di veduta [ndt: in diritto: "apertura che dà non solo luce e aria, ma anche la possibilità di affacciarsi sul fondo del vicino"], o foreste pluviali.

Finora abbiamo assunto che i mercati computazionali sono "mercati idealizzati", nel senso introdotto nella sezione 4.1.2, sottostanti solo a semplici regole fondamentali, che impediscono le transazioni non volontarie analoghe al furto. I mercati umani, comunque, operano nel rispetto di un più ampio range di regole meno costrittive, imposte da una varietà di istituzioni legali e regolamentatrici. Nella sezione successiva esamineremo la possibilità che tali istituzioni possano essere utili anche nei mercati computazionali.




7. Sistemi computazionali legali e mercati


Similmente ai mercati umani, i mercati computazionali diretti soffriranno di molti problemi: essi sono abbastanza simili alle società umane da meritare un esame dei meccanismi - come leggi e regolamenti - usati da queste per affrontarli; queste analogie devono comunque essere usate con attenzione: ci sono anche molte differenze fra mercati computazionali e umani; nei primi, ad esempio:
Date tutte queste differenze, non si può pretendere che i sistemi computazionali proposti, simili ai governi, siano strettamente legati a quelli che si sono evoluti nelle società umane: l'uso appropriato del modello sociale è quello di una fonte di idee e analogie, idee che non necessariamente dovranno funzionare in campo sociale per essere degne di considerazione in quello computazionale. Poiché l'informatica ha già esaminato, in passato, forme di organizzazione centralizzate, una direzione promettente da esplorare è l'estremo opposto, quella di un modello altamente decentralizzato.



7.1 Problemi rimanenti per i mercati computazionali diretti


I mercati computazionali diretti possono essere costruiti in modo tale da escludere furti e altri aspetti negativi; rimangono però altri problemi, come la frode, fluttuazioni globali del mercato (come i cicli finanziari e le depressioni), i monopoli, e la fornitura di beni pubblici (beni dalla cui fornitura trarranno beneficio entità che non li hanno acquistati, rompendo il collegamento generalmente presente fra beneficio pubblico e ricompensa del produttore). Questi problemi sono fondamentalmente diversi dal problema del furto, che può essere eliminato in ambito computazionale usando semplici regole locali come l'encapsulation: la loro eliminazione richiede la comprensione di fenomeni complessi che ne derivano:

Una valida funzione anti-frode dovrebbe almeno essere in grado di comprendere gli "annunci pubblicitari" interni al sistema, cosa difficile in campo computazionale: ogni protocollo di comunicazione tra gli oggetti costituisce un sotto-linguaggio, e in generale, nessuno di essi è comprensibile a livello globale. Comunque, come spiegato nella precedente sezione 4.3 e nella 5.3.3 di [I] gli stessi mercati computazionali possono scoraggiare le frodi individuabili localmente dalle entità del mercato, proprio come esse possono giudicare e raffrontare il valore di differenti opportunità di commercio. L'unica legge essenziale anti-frode perché il sistema funzioni - impedire l'uso fraudolento di un trademark - sembra essere anche implementabile.

Nei mercati umani, fluttuazioni globali di un'economia (es. cicli finanziari e depressioni) hanno stimolato la creazione di istituzioni governative come le banche centrali, e l'estinzione del debito pubblico; il sorgere di monopoli in determinate industrie ha stimolato la creazione di leggi anti-trust. In entrambi i casi ci sono pareri discordi nel decidere se questi problemi sono intrinseci al mercato umano o se essi risultano dall'intervento politico [16,29,30,31,32]. Le differenza tra i mercati computazionali e quelli umani saranno abbastanza marcate da poter rendere questi problemi molto gravi o del tutto assenti. La teoria dei giochi per questi fenomeni è così complessa che una valutazione a priori può essere del tutto inutile; è più promettente invece una metodologia sperimentale: l'approccio più semplice potrebbe essere progettare dei mercati computazionali
che manchino di qualsiasi meccanismo fondamentale per prevenire questi problemi, e osservare i risultati.

Un bene pubblico è un bene dal quale traggono comunque vantaggio i membri di un gruppo, che loro lo abbiano pagato o meno; un esempio possono essere la difesa nazionale e le strade residenziali; consideriamo l'incentivo per un potenziale contribuente: "Se rifiuto di pagare, i beni mi saranno forniti comunque, e li avrò avuti gratis; se pago, il mio contributo sarà una frazione così piccola del totale che la quantità di beni che mi viene fornita non aumenterà significativamente, quindi rifiuterò di pagare." (questo è conosciuto anche come problema del free-rider, perché alcune entità possono fare un "giro gratis" [ndt: free ride] a spesa delle altre). Quindi, se lasciati gestire dal mercato, i beni pubblici sarebbero prodotti in quantità minore di quella che potrebbe essere ponendosi invece da un punto di vista del beneficio globale.

Molti problemi relativi ai beni pubblici possono essere evitati in ambito computazionale: l'ingegnosità può convertire molti beni apparentemente pubblici in beni negoziabili, permettendo quindi agli incentivi del mercato di ricompensare un'appropriata produzione. Alcuni esempi sono l'"algoritmo del dividendo" presentato in [II], e la differenza tra il vendere informazioni e il vendere servizi basati sulle informazioni spiegata nella sezione 6.2 di [I]. Ciononostante, per i veri beni pubblici, il problema non può essere risolto in un contesto di mercato: nel caso della società umana è stato proposto un principio legale per affrontare la questione.



7.2. Beni pubblici ed espropri


Richard Epstein ha proposto [33] un principio legale derivato dalla clausola della Costituzione degli Stati Uniti relativa agli espropri [ndt: takings], che concede al governo federale il potere di preminenza sulla proprietà privata: la clausola dell'esproprio limita la confisca con la forza della proprietà, affermando "...nè la proprietà privata potrà essere confiscata per l'uso pubblico, senza una giusta ricompensa.". Epstein sostiene il principio per cui ogni introito che lo stato riceve da un'entità, incluse le tasse, deve essere compensato dal ritorno di un beneficio di uguale o maggiore valore. E' immediatamente evidente che, dove l'introito produca effettivamente un beneficio complessivo, è sempre possibile un completo risarcimento (che sia in denaro, beni, o servizi); in caso contrario, il costo netto deve evidentemente eccedere il beneficio netto e l'introito stesso è da evitare.

L'applicazione di questo principio richiede una accorta valutazione, caso per caso, dei costi e dei benefici; Epstein, come studioso dei sistemi giuridici della società umana, propone l'uso di meccanismi legali (corti giuridiche ed evoluti sistemi di leggi) attualmente non disponibili in campo computazionale. L'equivalente più simile a questi meccanismi dovrebbe comprendere un complesso insieme di euristiche - così complesso da non poter essere costituito da un insieme congelato di regole, ma da euristiche in evoluzione. Come potrebbero evolversi delle complesse leggi in campo computazionale?



7.3. Ecosistemi politici


Nelle società umane, i sistemi legali e gli organi dei governi costituiscono il contesto dei mercati: essi possono essere visti come un meta-livello delle attività del mercato, non protetto dalle forze evolutive, bensì in evoluzione all'interno di un ecosistema politico avente i propri meccanismi di variazione e selezione di leggi ed interventi.

Negli ultimi anni, sono stati applicati strumenti di analisi economica all'evoluzione delle politiche negli ecosistemi politici democratici [34,35]; i risultati sono stati l'individuazione di alcuni elementi principali, come il tema del voto e della crescita economica, che vanno di pari passo col ben conosciuto tema del profitto; tutti hanno la pretesa di essere temi che agiscono nell'interesse pubblico; ma tutti, in pratica, hanno
i loro difetti:


In ogni caso, le forze evolutive - non la psicologia - garantisce virtualmente un comportamento in accordo con questi motivi: businnesses che rendono profitti, politici capaci di ottenere voti, e agenzie e ministeri sempre più grandi, domineranno (quasi per definizione) i propri campi: l'evoluzione seleziona quelli che agiscono secondo i criteri prima esposti, che essi lo sappiano o no, proprio come l'evoluzione in campo biologico seleziona i geni che agiscono secondo il criterio della riproduzione, benché i geni non abbiano nessuna mente nè motivo. E quando i geni costituiscono un organismo che possiede una mente, essa potrebbe essere guidata da motivi sessuali invece che legati direttamente alla riproduzione. In una maniera analoga, la selezione degli individui e delle idee potrebbe, in un mondo ipotetico, permettere l'evoluzione di istituzioni condotte da politici, burocrati e funzionari devoti alla causa pubblica - pur essendo privi di una personalità - agenti secondo il motivo del profitto, del voto o della crescita.

L'analisi del tema del voto mostra come politiche socialmente distruttive possano vincere le elezioni [34,35], quindi l'idea di rettificare i mercati computazionali usando delle democrazie computazionali dovrebbe essere considerata tutt'al più con cautela; inoltre non è immediatamente evidente come potrebbe funzionare una democrazia computazionale. Se proviamo a sostituire "una persona, un voto" con il corrispondente computazionale "un oggetto, un voto" , il risultato potrebbe essere l'immediata creazione di un gran numero di altrimenti inutile oggetti con la funzione di votanti: sarebbe preferibile un sistema con una migliore struttura incentivante.



7.4. Ecosistemi di meta-mercato


Immaginiamo un sistema in cui degli oggetti computazionali possono scegliere di operare in uno qualsiasi tra un gran numero di ecosistemi legali, e in cui nuovi di questi possono essere creati in ogni momento; poiché possono essere copie di altri ambienti, essi possono replicarsi; poiché possono anche essere modificati e selezionati, possono evolversi. Una misura del successo evolutivo di un ecosistema legale potrebbe essere il suo livello di utilizzo (ogni oggetto dovrebbe poter votare); ci si potrebbe aspettare che il comportamento di un sistema evoluto di questo tipo sia descrivibile in termini di un motivo di "attrattività".

Si può incontrare qualcosa di simile anche nel mondo reale: esistono molti mercati, ognuno con il suo insieme di regole, e ognuno in interazione e competizione con gli altri: il mercato azionario e quello delle materie prime, diverse corporazioni e nazioni, ognuna delle quali impiega un differente insieme di regole per governare il proprio mercato interno. In ogni caso, ciascuna entità con un proprio mercato interno, è in grado di commerciare e competere con ogni altra. Semplificando tutte le altre dimensioni, ciò corrisponde a un sistema di ecosistemi legali in competizione.

Ognuno di questi sistemi legali avrebbe un incentivo per cercare di avvicinarsi al sistema ideale di Epstein, che rende possibile ogni azione della quale beneficiano tutti i partecipanti. Quando ci si troverebbe in una situazione di bene pubblico riguardante soggetti di diversi sistemi legali, sarebbe risolta secondo accordi precedenti - se questi sono stati negoziati (per una discussione di argomenti simili, vedi [30]); in caso contrario, quel problema di bene pubblico potrebbe rimanere insoluto, e lasciare i partecipanti alle semplici leggi di mercato. Lo svantaggio di questo tipo di soluzione potrebbe essere minore in un ecosistema di mercato computazionale che non in uno reale; non è stato evidenziato finora nessun grave problema riguardante i beni pubblici.

Perfino sotto la pressione selettiva della competizione, potrebbe essere impossibile fondare un sistema computazionale legale che rispetti i principi proposti da Epstein: in questo caso rimarrebbero sempre le semplici, stabili e poco dispendiose regole del mercato computazionale: questo sistema è un semplice punto di partenza che permette la sperimentazione di diverse alternative; l'esperienza potrà mostrare se ne esistono di migliori.




8. Conclusione


Benché i principi dell'evoluzione sono applicati più spesso agli ecosistemi biologici, essi sono utili anche per capire i mercati economici, le culture e le politiche, e sistemi computazionali in grado di evolversi, come EURISKO. Considerando che le regole fondamentali di un ecosistema daranno forma alle sue strategie evolutive stabili (ESS), e che queste strategie domineranno il comportamento nell'ecosistema, si possono mettere in relazione le prime (le regole fondanti) alle ultime (le caratteristiche dell'ecosistema) - comprese proprietà utili che si vuole ottenere. Questo saggio ha passato in rassegna una molteplicità di ecosistemi evolutivi e li ha confrontati con gli "ecosistemi di mercato diretto"; questi ultimi risultano i più indicati per l'obbiettivo di ottenere comportamenti computazionali utili. Altri saggi in questo volume analizzano più dettagliatamente l'implementazione e le proprietà di mercati computazionali di questo tipo [I,II].
I ringraziamenti sono elencati in "Merkets and Computation: Agoric Open systems" [I], in questo stesso volume.