Comunicazione di rete
Teresa Numerico
[email protected]
Informazioni pratiche
• Docente: teresa numerico
[email protected]
• N. crediti: 6 triennale
• II semestre
• Orari lezioni:
– Giov. h. 13.00-16.00 (aula
informatica)
• Valutazione sperimentale per
frequentanti?
Di cosa si parlerà?
• Problemi politici, sociali e pratici
della rete:
–
–
–
–
–
–
–
–
–
–
Informazione e conoscenza
reti sociali e beni comuni
accesso alle informazioni
Open access e open science
Linked data
Data mining
Controllo
Privacy
Copyright
interfaccia
Effetti cognitivi e
sociali della mediazione
della rete
I social network e gli
altri strumenti di
interazione mediata
Le metafore della cibernetica
• I dispositivi meccanici possono
essere descritti negli stessi
termini degli organismi biologici
• I dispositivi meccanici possono
auto-organizzarsi attraverso lo
scambio di messaggi con l’ambiente
• È possibile interpretare le macchine
come veicoli di messaggi (input o
output) senza domandarci cosa
avvenga al loro interno
Human machine
interaction
• […] Nello sviluppo futuro di
questi messaggi e di questi
strumenti di comunicazione, i
messaggi tra uomo e macchina,
tra macchine e uomo e tra
macchine e macchine avranno un
ruolo sempre più preponderante
Wiener 1950:16
Comando e controllo = human
machine interaction
• In una lettera ai
“membri della rete
intergalattica” (25
april 1963)
Licklider
affermava:
– Comando e controllo
devono essere
interpretati in
termini di
interazione uomo
macchina, timesharing e reti di
computer
– È necessario
otteneree
sufficiente
vantaggio nella
programmazione
collettiva e nelle
operazioni tale che
ci conduca a
risolvere problemi,
e quindi porre in
essere la tecnologia
di cui hanno bisogno
i militari
È possibile conservare
l’informazione?
• È falso pensare che
l’informazione possa essere
immagazzinata senza un enorme
diminuzione del suo valore nel
mondo che cambia perché:
Wiener 1950: 121
E se si potesse archiviare
dinamicamente?
•
•
•
Data-mining come
archiviazione dinamica
dei processi
La timeline di facebook
“tell your life story
with a new kind of
profile”, control who
sees your stuff: “Only
the people you originally
shared a post with can
see it on your timeline.
If you want, you can go
back and change who sees
a post, delete it or just
hide it from your
timeline”
Le applicazioni cloud e
la densità dei dati
conservati lontano dalle
nostre macchine
Il rischio del cattivo
uso della macchina
• […]Tali macchine, sebbene di per sé
incapaci di nuocere, possono essere
usate da un essere umano o da un blocco
di esseri umani per aumentare il loro
controllo sul resto della razza umana
oppure[…]
• I leader politici possono cercare di
controllare i loro paesi non attraverso
delle vere e proprie macchine, ma
attraverso tecniche politiche limitate e
indifferenti alle possibilità umane come
se fossero state concepite
meccanicamente Wiener 1950:181
Quando potrebbe
dominare la macchina?
• La grande debolezza della macchina – che
ci impedisce di essere dominati da essa
– consiste nel fatto che non può
prendere in considerazione l’ampio
raggio delle probabilità che
caratterizza la condizione umana.
• Il dominio della macchina presuppone una
società che sia all’ultimo stadio di
aumento dell’entropia, nella quale la
probabilità è irrisoria e le differenza
statistiche tra inidvidui siano quasi
nulle
Wiener 1950:181
Il Web 2.0 secondo
O‘Reilly
• Come superare la bolla della
Net Economy:
–
Concentrarsi sull’offerta di
servizi e non di software
– Considerare il web
un’architettura di
partecipazione e non solo di
comunicazione e distribuzione
– Elaborare strategie di
sfruttamento dell’intelligenza
collettiva
– Adottare modelli di business
che sfruttano la creatività
fondata sul remixing
C. Formenti 2008: 248
Cosa ne pensa l’inventore del
web?
• Web 1.0 was all about connecting
people. It was an interactive
space, and I think Web 2.0 is of
course a piece of jargon, nobody
even knows what it means. If Web
2.0 for you is blogs and wikis,
then that is people to people. But
that was what the Web was supposed
to be all along […]
• Blogs and wikis are two things
which are fun […] But I think there
will be a whole lot more things
like that to come, different sorts
of ways in which people will be
able to work together.
Tim Berners-Lee IBM interview 28-7-2006
http://www-128.ibm.com/developerworks/podcast/dwi/cmint082206.txt
La sfida del Web 2.0
• Creare modelli di business capaci
di sfruttare, attraverso le
tecnologie della partecipazione,
l’intelligenza collettiva per
produrre gratuitamente servizi che
le comunità si troveranno in un
modo o nell’altro a pagare
(direttamente o indirettamente)
per es. Amazon, ebay, YouTube,
MySpace ecc.
Formenti 2008, 250
La decadenza del web e le
sue conseguenze
• The Web Is Dead. Long Live the
Internet By Chris Anderson and
Michael Wolff, Wired, sept.
2010
http://www.wired.com/magazine/2
010/08/ff_webrip/all/1
Big data e conoscenza
Weinberger, Anderson,
Graham, Boyd
La nostra era e le
istituzioni della conoscenza
• Le università che discutono se imporre ai
propri ricercatori di rendere pubblici i loro
lavori
• Le biblioteche sono impegnate a trovare una
visione credibile della propria sopravvivenza
• Le società di conoscenza prima incaricate di
scrivere rapporti univoci ora mettono in
relazione clienti e rete di esperti tra loro
in contrasto
• Le agenzie di intelligenze combattute tra
bisogno di sapere e quello di condividere
• Le scienze sono potenziate dallo sforzo di
amatori
Weinberger 2012, XII-XIII
Infrastruttura del
sapere
• Il cambiamento dell’infrastruttura
del sapere sta alterando la forma e
la natura della conoscenza
• Non è che la rete sia un cervello
dotato di coscienza, ma la conoscenza
starebbe diventanto parte integrante
della rete
• Il compito dei facilitatori di
conoscenza è costruire stanze
intelligenti cioè reti che rendono
noi + intelligenti
Weinberger 2012, xv
Conoscere riducendo o
includendo? (Weinberger cap.1)
• Fino a prima della rivoluzione
della rete la conoscenza
rimandava alla capacità di
sintetizzare quello che
sapevamo
• Mentre ora si tratta di
includere tutto e poterlo
connettere
• Sovraccarico informativo come
condizione culturale
I filtri
• I vecchi filtri escludevano
(giornali, case editrici,
biblioteche)
• Gli attuali filtri non
escludono più spostano solo più
in là
Dal link al like
• Il filtro sociale come unico possibile
strumento di organizzazione dei contenuti
disponibili mentre le vecchie istituzioni non
sono all’altezza del compito
• L’abbondanza di fronte alla quale siamo ci
impedisce di filtrare, ci sono troppe cose
valide
• Ci sono troppe cose scadenti
• Ogni idea è contraddetta da qualche parte sul
web
• Il fatto che interet filtri in avanti rende
l’operazione pubblica, i filtri sono un
contenuto tra gli altri
• È impossibile sfuggire al sovraccarico
cognitivo
Hunch.com e i miei gusti
• https://apps.facebook.com/taste
monsters/thays/#_=_
I fatti collegati
• I fatti collegati aprono a una
rete di differenze
• I fatti non riescono più a
costituire il discrimine della
verità su un tema
• I fatti sono impotenti di fronte
alla convinzione
• Non vale più la frase del
senatore Moynihan che “tutti
hanno diritto alla propria
opinione ma non ai propri fatti”
Con la fine della carta
finisce il sapere come corpo
organico (wein. P. 61)
• Secondo Weinberger il sapere
come corpo organico ha a che
fare con un certo modo di
acquisirlo e distribuirlo,
cioe’ con la carta
• Finita la carta come medium
finisce anche la visione del
sapere in questo modo
(determinismo tecnologico
spinto)
La tesi di Weinberger
(63)
• In un mondo collegato in rete la
conoscenza non vive più nei libri
o nelle teste ma in rete
• Internet sposta la conoscenza
dalla testa dei singoli alla
connessione di gruppo
• Ma internet contiene molte
diversità e dissensi
• Anche la stanza è intelligente
non vale che entrarci ci rende
ipso facto intelligenti
Gli esperti e il
crowdsourcing
• Il sapere è sempre stato sociale
• L’idea di riunire gli esperti in
think tank li rende più intelligenti
• Ma la rete consente nuove possibilità
di expertise, permette a gruppi che
non si conoscono di trovare insieme
una soluzione o di costituire una
risorsa cognitiva x argomenti troppo
grandi per un singolo pool di esperti
• O la scoperta di esperti amatoriali
che altrimenti sarebbe impossibile
trovare
Gli esperti tradizionali
e la rete
• L’expertise si basava sulle materie,
il suo valore dipendeva dalla
certezza delle sue conclusioni
• L’expertise spesso opaca e
unidirezionale, costituivano una
classe speciale che preferiva parlare
con una voce sola
• Ora l’expertise sta cessando di
essere una proprietà dei singoli
specialisti per diventare una
proprietà della rete
Autorevolezza e rete
pp.156-157
•
Cambia il concetto di autorevolezza
• Le opere collegate da link stabiliscono una
ecologia della tentazione che ci sollecita ad
andare avanti
• L’autorevolezza di un’opera non è più un
distintivo garantito della sua pubblicazione
• I confini di un argomento non sono più marcati dal
rumore sordo della chiusura di un libro
• Il sapere attualmente è la ragnatela informe di
connessioni al cui interno vivono le idee
• La scienza non sarà in grado di riaffermare la sua
vecchia autorità perché ha perso il medium che le
permetteva di prosperare: un canale unidirezionale
dove c’era chi parlava e chi ascoltava (p. 198)
Modelli della scienza e
dati
•
Possiamo fare dei modelli
sulla base dei dati e conoscere
come funzionano senza
comprenderli in alcun modo
• Solo i nostri cervelli
artificiali possono gestire la
grande quantità di dati e il
numero di interazioni in ballo
Eureqa un programma
per scoprire
correlazioni tra dati
• Eureqa un programma nato per cercare
correlazioni tra dati che sembrano
indecifrabili
• L’algoritmo si perfeziona progressivamente
anche se continua a risultare incomprensibile
la relazione
• “Biology is complicated beyond belief, too
complicated for people to comprehend the
solutions to its complexity. And the solution
to this problem is the Eureqa project”
http://www.wired.com/wiredscience/2009/12/download-robot-scientist/
The end of theory: the
data deluge makes the
scientific method
obsolete
By Chris Anderson
6/23/2008
http://www.wired.com/print/sc
ience/discoveries/magazine/16
-07/pb_theory
Dati dal punto di vista
puramente matematico
At the petabyte scale, information is
not a matter of simple three- and
four-dimensional taxonomy and order
but of dimensionally agnostic
statistics. It calls for an entirely
different approach, one that requires
us to lose the tether of data as
something that can be visualized in
its totality. It forces us to view
data mathematically first and
establish a context for it later. For
instance, Google conquered the
advertising world with nothing more
than applied mathematics.
Possiamo farcela senza
modelli
Peter Norvig, Google's
research director,
offered an update to
George Box's maxim: "All
models are wrong, and
increasingly you can
succeed without them."
Dimenticare tassonomia,
ontologia e psicologia
Out with every theory of human
behavior, from linguistics to
sociology. Forget taxonomy,
ontology, and psychology. Who
knows why people do what they do?
The point is they do it, and we
can track and measure it with
unprecedented fidelity. With
enough data, the numbers speak for
themselves.
Vecchi metodi
scientifici
But faced with massive data,
this approach to science —
hypothesize, model, test —
is becoming obsolete.
Ci basta la correlazione
tra dati
Correlation is enough." We can
stop looking for models. We can
analyze the data without
hypotheses about what it might
show. We can throw the numbers
into the biggest computing
clusters the world has ever seen
and let statistical algorithms
find patterns where science
cannot.
La correlazione
sostituisce la causalità
Learning to use a "computer" of this
scale may be challenging. But the
opportunity is great: The new
availability of huge amounts of data,
along with the statistical tools to
crunch these numbers, offers a whole
new way of understanding the world.
Correlation supersedes causation, and
science can advance even without
coherent models, unified theories, or
really any mechanistic explanation at
all.
Big data (secondo
wikipedia a marzo 2013)
•
Big data a una collezione di
insiemi di dati così ampia e
complessa che diventa difficile
processarla usando i normali
strumenti per il management dei
databasa o le tradizionali
applicazioni per le attività di
data processing
Big data (Secondo
o’reilly 2012)
•
•
•
•
Volume
Velocity
Variety
Digital nervous system: The
challenge of data flows, and the
erosion of hierarchies and
boundaries, will lead us to the
statistical approaches, systems
thinking, and machine learning we
need to cope with the future we
are inventing (pos. 372)
La misura dei big data
• Processor or Virtual Storage
· 1 Bit = Binary Digit
· 8 Bits = 1 Byte
· 1024 Bytes = 1 Kilobyte
· 1024 Kilobytes = 1 Megabyte
· 1024 Megabytes = 1 Gigabyte
· 1024 Gigabytes = 1 Terabyte
· 1024 Terabytes = 1 Petabyte
· 1024 Petabytes = 1 Exabyte
· 1024 Exabytes = 1 Zettabyte
· 1024 Zettabytes = 1 Yottabyte
· 1024 Yottabytes = 1 Brontobyte
· 1024 Brontobytes = 1 Geopbyte
• ·
La retorica dei big data
• Narrative science
http://narrativescience.com/
• Spreadsheets are useful, and
dashboards are better, but the
story is the last mile in
enabling people to harness the
power of big data.
This is why we built Quill.
Recorded Future
• Come funziona? Analizza testi
disponibili nel web e li
organizza attraverso dei
software per conoscere il
passato, il presente e predire
il futuro
• https://www.recordedfuture.com/
this-is-recorded-future/howrecorded-future-works/
Sentiment analysis
•
•
•
Sentiment analysis or opinion mining refers to the
application of natural language processing,
computational linguistics, and text analytics to
identify and extract subjective information in source
materials.
Generally speaking, sentiment analysis aims to determine
the attitude of a speaker or a writer with respect to
some topic or the overall contextual polarity of a
document. The attitude may be his or her judgment or
evaluation (see appraisal theory), affective state (that
is to say, the emotional state of the author when
writing), or the intended emotional communication (that
is to say, the emotional effect the author wishes to
have on the reader)
Wikipedia (retrieved 20/03/2013)
Sentiment analyzer online for free
http://www.danielsoper.com/sentimentanalysis/default.asp
x
La II rivoluzione
industriale
• La seconda rivoluzione industriale è
obbligata a svalutare il cervello
umano, almeno nelle sue più semplici
decisioni di routine
• Come il bravo falegname, il bravo
meccanico, il bravo sarto sono
sopravvissuti alla prima rivoluzione
industriale, così il bravo scienziato
e il bravo amministratore possono
sopravvivere alla seconda
• Tuttavia prendendo la seconda
rivoluzione per compiuta, l’essere
umano medio di mediocre preparazione o
meno non ha nulla da vendere che valga
la pena di esser comprato
Wiener, N. 1948: 27
Big Data & PRIVACY
In our obsession with Big Data,
we’ve forgotten to ask some of
the hard critical questions
about what all this data means
and how we should be engaging
with it
(Danah Boyd 2010, 1)
Le tesi della boyd su
big data
• Non sempre Big Data vuol dire
dati migliori
• Non tutti i dati sono uguali
• Cosa e perché sono domande
differenti
• Attenzione alle interpretazioni
• Solo perché sono accessibili
non significa che usarli sia
etico
BD and privacy
• Sicurezza attraverso l’oscurità
sembra una strategia ragionevole
• Non tutti I dati accessibili
pubblicamente sono costituiti per
essere pubblicizzati
• Le persone che condividono personally
identifiable information (PII)stanno
rifiutando la privacy
• Aggregare e distribuire dati fuori
contesto è una violazione della
privacy
• Privacy non è Controllo sull’accesso
Mark Graham contro “la
fine della teoria”
•
L’idea che i big data possano
trasformare profondamente la capacità
di trovare risultati interessanti per
la conoscenza è entrata anche
nell’immaginazione popolare ma anche
nelle pratiche di ricerca delle
corporation, stati, giornalisti e
accademici.
• Si tratta dell’idea che l’ombra dei
dati e le tracce di informazione
lasciate dalle person, macchine,
merci e natura puo’ rivelare segreti
Come si usano i data
set? (graham)
• È molto importante usare i data set con molti
caveat, che spesso invece sono disattesi
• I dati bruti per I progetti di big data vengono da
user-generated content o piattaforme di social
media (twitter, Wikipedia)
• Queste info sono generate da una user-base molto
limitata e sgemba
• Sesso, geografia, razza, e una serie di altri
fattori economici e sociali giocano un ruolo su
come l’informazione è prodotta e riprodotta
• Le persone con un diverso background e provenienti
da diversi posti producono diversi tipi di info
• rischiamo di ignorare molte importanti sfumature
se ci affidiamo ai big data come specchio
economico politico sociale
I vincoli dei big
data(graham)
• Se si guarda a come sono costruiti i
dati si scopre che spesso essi
favoriscono l’amplificazione di
informazione prodotta da una esigua
minoranza di soggetti e nascondono le
idee,le tendenze le persone e i modelli
che non sono rappresentati nei dataset
con i quali lavoriamo
• Non dobbiamo essere sedotti dalla
promessa dei big data che renderebbero
la teoria non necessaria
• Ci saranno sempre spinte al digital
divide, sempre ombre di dati diseguali,
e ci saranno sempre vincoli in come le
informazioni sono usate e prodotte
Il sogno di Licklider
• Autore nel 1960 di Man-computer
symbiosis
• Licklider vede possibilità che non
soltanto venga sottratto tempo ai
compiti ripetitivi eseguiti dallo
scienziato
• Ma i computer dovranno anche dettare
le regole nella formulazione di vere
e proprie ipotesi di lavoro:
• “one of the main aims of man-computer
symbiosis is to bring the computing
machine effectively into the
formulative parts of technical
problems” Lick 1960, p. 3
Facebook e i suoi
esperimenti
• Cameron Marlow capo del Data
Science Team: “for the first
time we have a microscope that
not only lets us examine social
behavior at a very fine level
that we’ve never been able to
see before but allows us to run
experiments that millions of
users are exposed to”
Lo scopo del data
science team
• To support the well-being of the
people who provide Facebook with
their data, using it to make the
service smarter
• Marlow and his collegues will
advance humanity’s understanding
of itself
• Zuckerberg pensa che “Facebook’s
job is to improve how the world
communicates”
Quantificare l’audience
invisibile
• Dati di Facebook usati per
sostenere che le informazioni
postate ricevono molta più
attenzione di quanta possano
immaginare gli autori che le
condividono
•
Sulla visualizzazione
Software come relazione
di poteri
• Il passaggio dal software come servizio al
software come cosa
• Il conseguente passaggio dell’informazione
inerente a una persona all’informazione come
conoscenza comunicata relativa a un fatto, un
evento ecc., la possibilità di brevettare il
codice genetico per es. (CHUN 2011, p. 6)
• L’esternalizzazione dell’informazione
riguarda il processo della governamentalità:
cioè delle relazioni private interpersonali
che implicano una qualche forma di controllo
o di guida, e infine le relazioni che hanno a
che fare con l’esercizio della sovranità
• Il termine cibernetica evoca il governo della
nave
Computer come sogno della
della programmabilità
• I computer come macchine governamentali non
a livello di contenuto o di progetti
governamentali, ma come macchine che
rappresentano la governamentalità a livello
di architettura e della loro strumentalità
• Le loro interfacce ci offrono una forma di
mappatura, di immagazzinamento dati centrale
per la nostra soggettività sovrana
• Si tratta di ripristinare l’universo
deterministico laplaciano
Chun 2011, p.9
Software come cosa
• Il software inteso come una
cosa è inseparabile dalla
esternalizzazione della
memoria, dal sogno e
dall’incubo di un archivio che
includa tutto in se’ e che
costantemente si rigenera e
insieme degenera
Chun 2011, p. 11
Gli spazi di
condivisione
• Wikipedia
• I meccanismi reputazionali al
centro del funzionamento della
blogosfera
• Gli algoritmi di ranking che
presiedono all’organizzazione
delle informazioni dei motori di
ricerca
• L’autorappresentazione e il
self-marketing di se stessi che
avviene in rete e che rimbalza
attraverso i social network
Comportamenti umani e data
mining
• La prevedibilità dei nostri comportamenti
individuali e collettivi è sempre maggiore.
• È possibile documentare come il data mining
sfrutti la nostra radicata prevedibilità
modificando qualsiasi cosa, dagli affari al
sistema sanitario.
• Ovunque guardiamo, incontriamo lo sguardo
della tecnologia su di noi, che trasforma i
nostri desideri e in nostri bisogni in
banconote (Barabási 2011, 272)
• In questo contesto dobbiamo chiederci “chi
possiede le informazioni sulle nostre azioni
future, sul nostro comportamento futuro? Chi
potrebbe trarne vantaggio”
(Barabási 2011, 237).
La capacità di previsione
del futuro
• La capacità di prevedere le azioni umane a partire
dalla mappa dei comportamenti pregressi non
funziona mai come previsto
• L’utente non segue mai fino in fondo la mappa
prevista, ma cerca di abitarla e come tale
ricostruisce sempre una nuova possibilità di mappa
• I database non sono mai infallibili come sembrano
• Questi database che orientano la capacità di
mappare dei computer sulla base delle attività di
machine intelligence diventano ‘sporchi’,
inaffidabili, quando non cancellano attivamente le
informazioni: vengono sommersi dall’informazione
vecchia e erronea che fa diluire la mappa che ne
consegue (Chun 2011, 93-94).
La macchina come protesi
comunicativa
• Per Weizenbaum le macchine “sono, quindi,
parte del materiale dal quale l’uomo estrae
la propria immaginaria ricostruzione del
mondo. […] Quel mondo è il ricettacolo della
sua soggettività” (1987, 35)
• Per Wiener le macchine (soprattutto quelle
per comunicare) possono avere degli effetti
protesici
• La plasticità è la situazione normale in cui
si trova il sistema nervoso per l’intera
durata della vita
• La tecnologia può influenzare profondamente
il cervello (Carr 2011,48-49)
Interfacce e metafore
della macchina
• La diffusione delle
interfaccia a finestre
rappresenta un modo
diverso da quello della
lettura di un testo a
stampa per interagire
con una fonte cognitiva
• Alla tradizione della
lettura solitaria si
sostituisce quella
dell’attività multipla,
collettiva e
multimediale
Comportamento del
ricercatore del futuro
• Ricerca di informazione orizzontale
• Comportamento da scoiattolo
• Autorità e fiducia sono basate sui marchi favoriti
(e.g. Google etc.)
• Digital literacy e information literacy non vanno
di pari passo
• L’information literacy dipende molto da educazione
e altri fattori sociali
Ricerca segnalata in Metitieri 2009
http://www.bl.uk/news/pdf/googlegen.pdf
Il potere del codice
• The maps offered by GUI are
fundamentally mediated: as our
interfaces become more “transparent”
and visual, our machines also become
more dense and obscure. The call to
map may be the most obscuring of all:
by constantly drawing connections
between data points, we sometimes
forget that the map should be the
beginning, rather than the end, of
the analysis
Chun 2011, 176-177
I’m sorry dave (la
fine di Hal)
• La simulazione è spesso giustificata in
quanto pratica per acquisire capacità
della vita reale, ma se si applica alle
relazioni umane può provocare problemi
• A volte le persone cercano di rendere la
vita con gli altri simile a una
simulazione, se questo fallisce sono
tentate di tornare alla vita sullo
schermo
• Se si riscontra una dipendenza, in un
simile contesto, essa non riguarda la
tecnologia, ma le abitudini mentali che
la tecnologia ci permette di praticare
(Turkle 2011, 287-288)
Che fare?
• Analizzare la metafora del
dispositivo per la comunicazione
attraverso le sue complesse
configurazioni interne e i riflessi
su utente e mondo circostante
• Aumentare la capacità di information
literacy degli utenti dei servizi
web, soprattutto se giovani e
socialmente svantaggiati
• Conservare la capacità di strutturare
lo spazio comunicativo anche senza
dispositivi di mediazione
Bibliographic sources
•
•
•
•
•
•
•
•
•
•
Barabási A.L. Lampi, Einaudi, Torino, 2011
Carr N. (2011) Internet ci rende più stupidi, Raffaello Cortina
Ed., Milano.
Chun W. H.K. (2011) Programmed visions. Software and Memory,
MIT Press, Cambridge (Mass.)
Licklider J.C.R. (1965): Libraries of the future, The MIT
Press, Cambridge, MA.
ULC (University College London)(2008) Information behaviour of
the researcher of the future, 11 January,
http://www.bl.uk/news/pdf/googlegen.pdf
Turkle S. (2011) Alone Together, Basic Book,
Weizenbaum,J. (1987) Il potere del computer e la ragione umana,
Ed. Gruppo Abele
Wiener, N. (1948/1961): Cybernetics: or Control and
Communication in the Animal and the Machine. MIT Press,
Cambridge (Mass).
Wiener, N. (1950): The Human Use of Human Beings. Houghton
Mifflin, Boston.
Wiener, N. (1956): I am a mathematician. The later life of a
prodigy. MIT Press, Cambridge