Exaptation tecno-estetica: una lettera sul disegno dal 2051

Abstract

Il saggio tratta di come il principio evolutivo di exaptation – inteso come cooptazione di strutture o proprietà preesistenti entro nuovi sistemi funzionali – possa essere esteso e reso operativamente modellizzabile nel dominio degli artefatti tecno-estetici. La tesi è trattata attraverso una finzione retrospettiva dal 2051: i mutamenti ambientali, tecnici e culturali descritti nei §§ 0.0-0.3 delineano sistemi nei quali forme, funzioni e ambienti si trasformano reciprocamente, mentre l’AI generativa rende sempre più esplorabili alcune di queste relazioni (§§ 0.4-0.5). Per dimostrare che il tema dell’exaptation è anche un principio della progettazione (§ 1.0), il saggio distingue i meccanismi evolutivi di Naturalia e Artificialia, riconoscendo tuttavia in entrambi un principio di cooptazione relazionale (§ 1.1). La tesi centrale (enunciata in § 1.2) consiste nel tradurre tale principio in un criterio operativo mediante alcune categorie della semiotica strutturalista: quelle di “paradigma/sintagma”, “selezione/combinazione” e “prova di commutazione”. Cioè, sostiene che trasferendo e ricombinando una proprietà entro una nuova configurazione, è possibile verificare se la variazione produca una differenza funzionalmente pertinente. Specificando sul versante tecno-estetico, il contributo si riferisce alla filosofia di Gilbert Simondon, identificando la dinamica evolutiva nel principio di “concretizzazione” per cui l’oggetto tecnico evolve integrando progressivamente funzioni e proprietà prima separate (§ 2.1). Indicando che tale processo implica una “individuazione” reciproca dell’oggetto e del suo milieu associé (§ 2.2), si precisa come l’oggetto renda sensibile il sistema di relazioni fra forma, funzione e ambiente. L’oggetto tecnico può così operare come protesi estetica, e la sua qualità estetica emerge quando queste relazioni diventano percepibili e intelligibili (§ 2.3). Un confronto con il mutamento diacronico delle “lingue” e con le trasformazioni degli “stili” mostra poi come anche forme visuali e tratti culturali possano persistere oltre il proprio contesto, migrare e acquistare nuove pertinenze (§ 3.0). Dato che i modelli AI addestrati mediante deep learning sono formati attraverso dinamiche esattive, essi rendono computazionalmente esplorabili i processi di trasferimento, ricombinazione e rifunzionalizzazione (§ 3.1). Infine, la multimodalità estende questa stessa logica esattiva alle traduzioni intersemiotiche (intermodali), ridefinendo così il Disegno come disciplina capace di esplorare, confrontare e verificare nuove possibilità di exattamento (§ 3.2).