Eleanor Rosch e il problema delle categorie : come decide la mente che cosa appartiene a che cosa ?

Perché un pettirosso ci sembra un esempio di uccello più rappresentativo di un pinguino ? Le ricerche di Eleanor Rosch hanno contribuito a trasformare lo studio della categorizzazione, mostrando che la mente umana non organizza necessariamente il mondo attraverso confini perfettamente rigidi

Dalla teoria dei prototipi al machine learning, una domanda rimane aperta: classificare significa applicare una definizione oppure riconoscere somiglianze ?

Guardiamo un passero, un’aquila, uno struzzo e un pinguino. Non abbiamo particolari difficoltà ad affermare che sono tutti uccelli. Eppure, se ci venisse chiesto quale di questi rappresenti meglio l’idea di “uccello”, probabilmente non li considereremmo tutti equivalenti. Un passero sembra quasi immediatamente un uccello “tipico”, un pinguino molto meno, eppure entrambi appartengono alla stessa categoria zoologica.

Questa semplice osservazione nasconde un problema fondamentale per la psicologia cognitiva, la filosofia del linguaggio e, oggi, anche per l’intelligenza artificiale: come costruiamo le categorie attraverso le quali organizziamo la realtà? Le ricerche della psicologa Eleanor Rosch, sviluppate soprattutto a partire dagli anni Settanta, hanno avuto un ruolo fondamentale nel modificare il modo in cui le scienze cognitive affrontano questa domanda.

La mente, suggeriscono i suoi studi, non sembra trattare necessariamente tutte le categorie come contenitori delimitati da confini perfettamente rigidi. Alcuni elementi vengono percepiti come più rappresentativi di altri. Nasce da qui uno dei concetti più importanti della psicologia cognitiva contemporanea: quello di prototipo.

Il mondo ordinato attraverso categorie

Categorizzare è una delle attività fondamentali della mente. Se ogni oggetto che incontrassimo dovesse essere considerato completamente nuovo, la nostra esperienza sarebbe probabilmente ingestibile. Riconoscere qualcosa come “sedia”, “albero”, “automobile”, “cane” o “persona” permette invece di utilizzare conoscenze precedentemente acquisite. Vediamo un oggetto mai incontrato prima e possiamo comunque comprenderne rapidamente alcune caratteristiche: quella è una sedia, quindi probabilmente possiamo sederci; quello è un cane, quindi possiede determinate caratteristiche e possiamo aspettarci alcuni comportamenti.

Le categorie consentono quindi una straordinaria economia cognitiva. Permettono di trattare come relativamente equivalenti oggetti che, considerati individualmente, sono differenti. Ma come vengono costruite?

Una concezione tradizionale delle categorie può essere rappresentata attraverso condizioni necessarie e sufficienti. Un elemento appartiene a una determinata classe se soddisfa determinate proprietà; se non le soddisfa, rimane fuori. In alcuni ambiti questo modello funziona molto bene: un numero intero è pari oppure non lo è; un triangolo, nella geometria euclidea, deve possedere determinate caratteristiche. Le categorie utilizzate nella vita quotidiana, tuttavia, sembrano spesso molto più sfumate.

Un pettirosso è più “uccello” di un pinguino ?

Gli studi associati a Rosch mostrarono che le persone giudicano alcuni membri di una categoria come esempi migliori rispetto ad altri. Non significa, naturalmente, che un individuo creda letteralmente che un pettirosso sia biologicamente “più uccello” di un pinguino, ma che alcuni esempi vengono considerati più tipici o rappresentativi della categoria.

Questa tipicità produce conseguenze cognitive misurabili. Gli esempi più prototipici possono essere riconosciuti e classificati più rapidamente e tendono a essere appresi più facilmente come rappresentanti della categoria. La struttura mentale delle categorie sembra quindi possedere qualcosa di simile a un centro e a una periferia: al centro troviamo esempi fortemente rappresentativi; allontanandoci dal centro incontriamo casi progressivamente meno tipici, senza che questo significhi necessariamente che cessino di appartenere alla categoria.

È una trasformazione importante rispetto all’immagine della mente come semplice applicatrice di definizioni.

Che cos’è un prototipo ?

Il termine “prototipo” può generare un equivoco. Non dobbiamo necessariamente immaginare che nel cervello esista l’immagine precisa di un “uccello ideale” alla quale confrontiamo tutti gli uccelli che incontriamo. Il concetto indica piuttosto una struttura rappresentativa collegata alle caratteristiche considerate maggiormente tipiche di una categoria.

Quando riconosciamo qualcosa, potremmo quindi non domandarci implicitamente soltanto se possiede una lista rigida di proprietà necessarie e sufficienti. Potrebbero entrare in gioco anche gradi di somiglianza e tipicità. Questo spiega perché possiamo utilizzare con facilità categorie i cui confini sono sorprendentemente difficili da definire.

Pensiamo alla parola “mobile”. Una sedia è chiaramente un mobile e un armadio anche. Ma una lampada? Uno specchio? Un tappeto? A seconda del contesto, della cultura e dell’uso, i confini possono diventare meno evidenti. Eppure normalmente riusciamo a comunicare senza dover stabilire ogni volta una definizione formale.

Il livello “naturale” delle categorie

Rosch e i suoi collaboratori studiarono anche un altro fenomeno particolarmente importante: quello delle categorie di livello di base (basic-level categories). Possiamo descrivere lo stesso oggetto a livelli differenti. Possiamo dire “animale”, “cane” oppure “pastore tedesco”: sono tre classificazioni corrette, ma non sembrano cognitivamente equivalenti.

Nella vita quotidiana tendiamo spesso a utilizzare spontaneamente un livello intermedio, non troppo generale e non troppo specifico. “Cane” può risultare cognitivamente più immediato di “mammifero” o della denominazione precisa della razza. Il livello di base sembra offrire un equilibrio particolarmente efficace tra quantità di informazione e semplicità cognitiva. Ancora una volta, la mente non sembra organizzare necessariamente la realtà seguendo soltanto le tassonomie formali che possiamo costruire razionalmente.

La realtà possiede categorie oppure siamo noi a crearle ?

Da qui emerge una domanda filosoficamente più profonda: le categorie esistono nel mondo oppure nella nostra mente?La risposta più interessante probabilmente evita entrambe le semplificazioni.

Non possiamo classificare arbitrariamente qualsiasi cosa in qualsiasi modo. La realtà presenta strutture, regolarità e differenze che pongono vincoli alla nostra categorizzazione: un gatto assomiglia sotto molti aspetti più a una tigre che a una montagna. Ma il modo in cui scegliamo di organizzare quelle differenze dipende anche dalle nostre capacità percettive, dai nostri obiettivi, dalla cultura e dal contesto.

Categorizzare non significa quindi necessariamente fotografare una tassonomia già perfettamente disegnata nella natura. Significa costruire un’organizzazione cognitivamente significativa della realtà a partire dall’incontro tra struttura del mondo e struttura della mente.

Dal prototipo agli algoritmi

A distanza di decenni, queste domande acquistano una nuova attualità con il machine learning. Uno dei compiti fondamentali dei sistemi di apprendimento automatico è proprio la classificazione: un algoritmo può essere addestrato a distinguere immagini di cani e gatti, identificare oggetti, classificare documenti, riconoscere volti o attribuire testi a determinate categorie.

Nel paradigma classico della programmazione avremmo potuto immaginare di fornire alla macchina una lunga serie di regole del tipo: “se possiede queste caratteristiche, allora appartiene alla categoria X”. Il machine learning ha modificato profondamente questo schema. Molti sistemi contemporanei apprendono invece strutture statistiche a partire da grandi quantità di esempi. Nei modelli neurali, le rappresentazioni interne possono collocare elementi simili in regioni vicine di spazi matematici multidimensionali.

Il parallelismo con la teoria dei prototipi è affascinante, anche se non deve essere spinto troppo oltre. Un algoritmo di machine learning non è semplicemente una versione elettronica della mente descritta da Rosch. Le architetture, i processi di apprendimento e soprattutto l’esperienza attraverso cui un essere umano costruisce concetti sono profondamente differenti. Ma riemerge una questione comune: riconoscere significa applicare regole oppure individuare strutture di somiglianza?

Quando l’intelligenza artificiale deve decidere che cosa “somiglia” a che cosa

Nei sistemi di IA contemporanei è centrale il concetto di rappresentazione. Parole, immagini e altri dati possono essere trasformati in strutture numeriche che consentono di rappresentare matematicamente determinate relazioni. Elementi semanticamente o statisticamente simili possono risultare vicini all’interno di questi spazi.

È una trasformazione straordinaria, ma apre immediatamente un’altra domanda: chi stabilisce quali somiglianze siano importanti? Due oggetti possono essere simili per colore ma differenti per funzione, avere la stessa forma ma appartenere a categorie completamente diverse oppure essere considerati equivalenti in un contesto e profondamente differenti in un altro.

La somiglianza non è necessariamente una proprietà unica e assoluta: dipende dalle dimensioni che vengono considerate rilevanti. Ed è qui che il problema delle categorie diventa anche un problema epistemologico.

Le categorie non sono innocenti

Classificare significa inevitabilmente selezionare alcune differenze e trascurarne altre. Questo non rappresenta necessariamente un errore: è probabilmente una condizione indispensabile per conoscere. Ma diventa particolarmente importante quando le categorie non riguardano oggetti, animali o colori, bensì persone e comportamenti umani.

Un sistema algoritmico può classificare richieste di credito, curricula, contenuti online, comportamenti dei consumatori o situazioni considerate anomale. In questi casi stabilire le categorie significa anche contribuire a determinare decisioni concrete. Chi viene considerato simile a chi? Quali caratteristiche vengono ritenute rilevanti? Quali differenze vengono ignorate? Qual è il “caso tipico” sul quale implicitamente viene costruito un modello?

Una classificazione può apparire puramente tecnica e tuttavia incorporare scelte precedenti contenute nei dati, nei criteri di addestramento o nella definizione stessa del problema.

Pensare significa anche semplificare

Le ricerche sulla categorizzazione ci ricordano infine un fatto fondamentale: per comprendere il mondo dobbiamo inevitabilmente ridurne la complessità. Non possiamo trattare ogni esperienza come assolutamente unica. Costruiamo somiglianze, differenze, concetti e gerarchie; diciamo che qualcosa è un animale, un utensile, un’emozione, una malattia o un’opera d’arte.

Senza categorie probabilmente non esisterebbe il pensiero concettuale. Ma proprio perché sono indispensabili, possiamo dimenticare che le categorie non coincidono sempre perfettamente con la realtà che descrivono. La mappa ci permette di orientarci, ma non è il territorio.

La lezione di Rosch nell’era dell’IA

Il contributo di Eleanor Rosch resta quindi sorprendentemente attuale. L’intelligenza non consiste soltanto nell’inserire ogni elemento nella casella corretta. Consiste anche nel riconoscere somiglianze, organizzare l’esperienza, scegliere livelli di astrazione e adattare le categorie al contesto.

La teoria dei prototipi ha contribuito a mostrare quanto possa essere complesso ciò che facciamo continuamente senza accorgercene. Vediamo un animale e diciamo “cane”, guardiamo un oggetto e diciamo “sedia”, ascoltiamo un suono e diciamo “musica”. Dietro questa apparente semplicità esiste uno dei problemi più profondi della conoscenza: come trasformiamo l’infinita varietà del reale in concetti sufficientemente stabili da permetterci di pensare?

Oggi affidiamo sempre più spesso anche alle macchine il compito di classificare il mondo. Le ricerche di Rosch ci ricordano però che classificare non significa semplicemente mettere etichette sulle cose: significa decidere quali differenze contano, quali somiglianze sono significative e quale struttura riconosciamo nella realtà.

Ed è proprio qui che psicologia cognitiva, filosofia e intelligenza artificiale tornano a incontrarsi: prima ancora di chiederci se una macchina sappia classificare come noi, dovremmo comprendere meglio che cosa facciamo noi quando diciamo che due cose appartengono alla stessa categoria.