L’avanzata irreversibile della tecnologia intellettuale deve indurre a concentrarsi sulla complementarietà, e non sul conflitto, tra l’uomo e la macchina: occorre innanzitutto porre l’uomo al centro del processo di transizione e quindi ideare strumenti idonei a valorizzare potenzialità che l’intelligenza umana possiede, evitando il rischio di ridurle o comprimerle.
Questo significa anche che il focus strategico non può più essere il lavoro come totem, bensì le persone sostituite o “spiazzate” dalla rivoluzione avviata.
Esaminiamo di seguito gli scenari che si aprono, la posta in gioco e gli shift da intraprendere per governare il passaggio.
Le caratteristiche della dinamica tecno-economica in atto
L’automazione così come viene rappresentata nella forma estrema che si sta realizzando – Intelligenza Artificiale + robot – viene “narrata” come la “fiaba del lupo cattivo”, la cui funzione catartica è quella di liberare la nostra fantasia di uomini-in-formazione alle prese con le grandi contraddizioni della realtà (Bruno Bettelheim, 2013).
Il “lupo cattivo” è la sintesi immaginifica di tre peculiarità della dinamica innovativa odierna: generalità, trasversalità e presenza di agenti artificiali con abilità cognitive.
La dinamica tecno-economica ora in pieno dispiegamento ha infatti precise caratteristiche:
- data la rappresentazione digitale di processi e prodotti (“digital twin”), è teoricamente possibile inserire ovunque sistemi di software che si auto-organizzano grazie all’interazione tra flussi informativi. Siamo quindi di fronte a tecnologie di portata generale.
- Algoritmi che evolvono sulla base di tali flussi possono influenzare e modificare i processi decisionali e le attività fisiche ed intellettuali. In un mondo iperconnesso, la giustapposizione e l’integrazione tra flussi di informazione non “riflette” solo la realtà, bensì può “generarla” attraverso le azioni più o meno indotte su entità viventi e oggetti inanimati. Siamo pertanto in presenza di meccanismi che operano in modo trasversale, cioè in un mondo fisico-cibernetico, laddove il secondo aggettivo va interpretato alla luce della definizione data da Wiener nella “Cibernetica: o controllo e Comunicazione negli Animali e nelle Macchine”.
- Sistemi di algoritmi che si auto-organizzano ed evolvono sono in grado non solo di eseguire funzioni puramente meccaniche e ripetitive, bensì di svolgere vere e proprie funzioni cognitive: estrarre pattern da masse crescenti di dati, estrapolare tendenze, delineare opzioni alternative: dal governo del traffico urbano e della diffusione di epidemie, alla definizione di scenari strategici mediante modelli di simulazione.
Su questa base si generano processi dinamici e trend globali, che assumono forme estremamente diversificate, a seconda dei contesti economico-territoriali, delle culture in essi presenti, del grado di reattività strategica degli agenti socio-economici e istituzionali.
Quando reale e digitale interagiscono
La storia umana è ricca di episodi relativi a popoli e comunità, per non dire di vere e proprie grandi civiltà, che non hanno compreso adeguatamente le rivoluzioni tecno-economiche dei loro tempi, a causa di fenomeni collettivi di lock-in cognitivi, cioè di chiusura culturale verso le sfide poste da cambiamenti tecnico-scientifici e dai connessi mutamenti sociali e geo-economici (Diamond, 2005). In sostanza, l’attaccamento a modelli mentali inappropriati è alla radice di numerosi arretramenti di fiorenti civiltà. Naturalmente la storia umana è ricca anche di esempi di società e comunità capaci di metabolizzare nuovi input scientifico-culturali e addirittura di essere stesse protagoniste di vere e proprie rivoluzioni di paradigmi tecnico-scientifici, salvo poi essere incapaci di captare segnali di cambiamenti epocali, dopo alcune generazioni.
Anche la storia del nostro Paese è stata interessata da traiettorie sussultorie di questa natura e morfologia. Naturalmente tutto questo assume caratteri parossistici durante i periodi di grande trasformazione, come quello odierno, incentrato sulle interazioni multi-dimensionali tra la sfera reale e la sfera informativa, che costituiscono appunto componenti fondamentali del mondo fisico-cibernetico in cui siamo entrati. E’ logico infatti che ciò accada laddove prevalgono assetti economico-produttivi fortemente radicati in saperi e competenze tradizionalmente accumulate on site e fonti di successo grazie ad appropriati modelli manageriali per un ambiente competitivo molto differente rispetto a quello odierno.
Lo scenario tecno-economico attuale ha alla base una discontinuità negli input tecnico-scientifici che occorrono per modellare output a partire da nuovi materiali (progettati a scala nano-molecolare) fino alla scala ordinaria e globale, cioè modelli di prodotti e servizi da proiettare nel mondo iperconnesso. Emerge chiaramente che esiste un potenziale di trasformazione che comprende molte dimensioni dei contesti economico-sociali.
Trasformazioni così estese e profonde non possono dispiegarsi senza l’operatività di soft infrastructures: Centri di Ricerca, schemi culturali aperti, nuove regolamentazioni, strutture interattive Università-Industria, strategie formative di nuova concezione, politiche strategiche in ambito industriale e fiscale. Conseguenza inevitabile delle grandi trasformazioni è la creazione di un insieme variabile e ignoto (all’inizio) di asimmetrie culturali, economiche, sociali, di potere di mercato.
Chi poteva ad esempio immaginare, nelle prime fasi della diffusione di Internet, la concentrazione oligopolistica di GAFA (Google, Amazon, Facebook, Apple), divenute potenze economiche mondiali, di cui il caso relativo Cambridge Analytica è solo una pallida espressione, pur nella sua rilevanza ai fini dei processi politici USA. Pensiamo allora ad un’altra serie di elementi:
- grazie alla tecnica CRISPR-Cas9 è possibile intervenire sul DNA in funzioni di editing cioè modificarne segmenti.
- Vi sono dispositivi in grado di realizzare reti wireless, anche a lunga distanza, attraverso la luce come strumento di trasmissione delle informazioni.
- Vi è possibilità di creare modelli dinamici integrati, rappresentazioni complete multi-scala di processi e prodotti, mediante i quali controllare da remoto in real time motori di aereo, locomotive, case, ponti e infrastrutture, intere aree territoriali, insieme all’analisi chimico-ambientale e alla stima della probabilità di eventi indesiderati (inquinamento, probabili attentati, azioni belliche, fenomeni climatici anomali, ecc.).
I tecno-pessimisti: non c’è speranza per il lavoro
Tutto questo ha imponderabili ripercussioni sul mondo del lavoro e sullo svolgimento delle attività economico-produttive del mondo reale. E’ pertanto logico che, a seconda delle assunzioni di fondo e della metodologia impiegata, gli studiosi finiscano per sviluppare analisi e interpretazioni contrapposte. Da un lato abbiamo i tecno-pessimisti. Gordon, famoso economista statunitense, vede un trend di lenta diminuzione della capacità propulsiva delle innovazioni di questi decenni, con effetti depressivi sull’economia americana e internazionale. Peter Thiel, inventore di PayPal e venture capitalist molto importante, non appare ottimista sui cambiamenti introdotti dall’informatica nell’intervista a Tom Simonite (Technology Review, Febbraio 2015), durante la quale parla di “tecnologia a doppio senso”. Soprattutto nell’ultimo capitolo di un suo libro (Thiel, 2016) sfida il senso comune secondo cui il mondo convergerà verso un plateau di sviluppo simile alla vita di oggi dei Paesi ricchi: “Il futuro come il presente”. Thiel ricorda che la storia è piena di incredibili avanzamenti seguiti da collassi, che oggi sarebbe un collasso globale, per evitare il quale occorre “pensare a nuove cose che rendano il futuro non solo differente, bensì migliore –da zero a 1”. Il punto essenziale è pensare per noi stessi, “perché solo guardando il nostro mondo nuovo, libero e strano come era per i nostri antenati che l’hanno visto all’inizio, possiamo ricrearlo e conservarlo per il futuro”.
Un altro studioso, l’economista Tyler Cowen (2017) dal confronto con precedenti rivoluzioni industriali non vede emergere motivi di speranza, perché ogni volta si sono presentati enormi problemi sociali, economici e politici. Oggi questi potrebbero ripresentarsi su scala molto più ampia che in passato e la capacità di risposta ad essi appare del tutto inadeguata. Nel libro del 2013 Cowen prefigura uno scenario con due classi in America: una extremely skilled élite e tutti gli altri.
Larry Summers, professore emerito ad Harvard e con precedenti alte cariche politico professionali (Ministro del Tesoro con Clinton, direttore del National Econmic Council con Obama), dopo aver sostenuto la tesi della secular stagnation (Summers, 2016), nel 2013 in una conferenza al Bureau of Economic Institute ha affermato a proposito dell’automazione come causa della perdita di posti di lavoro: “Fino a pochi anni or sono non pensavo che la questione fosse complicata: i luddisti sbagliano e coloro che credono nella tecnologia e nel progresso tecnologico sono nel giusto. Ora non sono più completamento sicuro”.
Due studiosi di fama internazionale, Brynjolfsson e McAfee, nel loro bestseller del 2011 sottolineano la tendenza all’accelerazione della dinamica tecnologica e il parallelo trend, ma in direzione inversa, verso la diminuzione dei posti di lavoro. Di qui “the race against the machine”, che però va rifomulata nel senso che “the key to winning the race is not to compete against machines but to compete with machines”, cioè nello sviluppare le capacità che i computer non hanno, quali intuizione e creatività, mentre sono molto più bravi nelle operazioni ripetitive, nei calcoli numerici, nello scoprire e associare pattern di dati.
In un successivo volume (2014) non esitano a ritenere che lo sviluppo di “macchine che pensano” sia incredibilmente positivo e possa contribuire a risolvere molti problemi umani, anche se sottolineano il rischio di uno “spread” crescente tra winners (star e superstar) possessori di capitale fisico, finanziario e elevato capitale umano e loosers (tutti gli altri). Fenomeni come la polarizzazione socio-economica, unita alla potenziale abbondanza, alla varietà e all’aumento della qualità di molte componenti delle nostre vite costituiscono uno dei paradossi della nostra era.
Ancora più pessimista è Martin Ford (2015), che paventa uno scenario dove IA e l’”esplosione robotica” potrebbero portare a una “tempesta perfetta”, dovuta a disoccupazione tecnologica e impatto ambientale su scala planetaria come tendenze parallele che si rafforzano reciprocamente, a meno che l’evoluzione tecnologica non sia diretta in modo da riconoscere e attenuare le implicazioni in termini di occupazione e distribuzione del reddito.
I tecno-ottimisti: meno lavoro, più tempo a disposizione
L’inventore e futurista Ray Kurzweil (2005) ritiene che alla fine di questo secolo si svilupperà in pieno un’intelligenza biologica molto più potente di quella umana a partire dal 2030, senza che ciò significhi la fine dell’intelligenza biologica, arricchita dalla presenza di nanobots in grado di incrementare le potenzialità di ampie parti del nostro corpo. Alla domanda “Avremo un futuro senza lavoro umano se l’automazione assorbirà molte attività e professioni?” Kurzweil risponde: “dipende da come definiamo il lavoro. Dobbiamo cambiare il nostro modo di pensare come dovrebbero essere le nostre vite. Attualmente è pienamente adottato un modello economico per cui la gente lavora, ottiene denaro e poi compra ciò di cui ha bisogno. Possiamo rovesciare il modello e ipotizzare che venga dato tutto il reddito sufficiente per garantire a ciascuno di scegliere come spendere il proprio tempo. Si lavorerà di meno e si impiegherà il tempo disponibile per approfondire le proprie passioni. Perché non chiamarle lavoro? Una volta che non dobbiamo lavorare per vivere, possiamo iniziare a vivere per lavorare”. Questa tesi sarebbe la realizzazione di quello che lo studioso di problemi del lavoro Benjamin Hunnicut (2013) definisce “Forgotten American Dream” e il capovolgimento del great reversal realizzato nella storia umana (Hunnicut, 2006).
Il sociologo Peter Frase (2016) delinea invece quattro scenari: due paradisiaci e due infernali. Il suo messaggio principale è che “the future is not bright nor gloomy. It’s what we wake of it”. Non si può conoscere il futuro, ma il suo procedere lento e sconvolto da sussulti più o meno violenti dipende dalla nostra capacità di creare il mondo in cui vogliamo vorremmo vivere.
Non nutre preoccupazioni invece Autor (2015), che distingue tra polarizzazione occupazionale e quella salariale, le quali sono influenzate da fattori diversi. Le sue stime lo portano a ritenere che la polarizzazione non durerà a lungo, perché si tratta di un fenomeno ricorrente e vi sono complementarità uomo-macchina, il cui sviluppo dipende dall’elaborazione di strategie di investimento in capitale umano.
E’ chiaro che autorevoli studiosi e specialisti divergono ampiamente circa gli scenari odierni e futuri concernenti gli effetti dell’automazione, né potrebbe essere altrimenti, date le loro assunzioni di partenza e risultati non univoci di analisi empiriche. Gli orizzonti di breve e di lungo termine sono soggetti all’azione di molti fattori e processi, tali da escludere la possibilità di effettuare previsioni con un grado di approssimazione molto stretto.
Guardando ad esempio alla produttività negli USA, nonostante il rilevante impiego delle nuove tecnologie, è previsto per i prossimi anni un ulteriore rallentamento dall’1,8% all’1,4%, distante dal 2,4% del decennio precedente (MGI, 2018). Questi dati non preoccupano Byrnjolfsson (2018), ottimista perché il divario tra aspettative e le rilevazioni empiriche è dovuto al fatto che le nuove tecnologie richiedono lo sviluppo di complementarità e co-invenzioni, quindi occorre tempo e sostenere costi al di là di quelli previsti. Di conseguenza si sono generate false aspettative, sono insorte difficoltà nel misurare gli effetti, perché probabilmente quelli positivi sono concentrati in alcuni ambiti produttivi e non sono generalizzati, infine vi è una elevata probabilità che l’implementazione delle innovazioni richieda tempo.
Una convergenza di fondo con questa tesi è di fatto espressa da Arntz (2016), secondo il quale le stime circa la quota di attività-professioni a rischio di automazione non possono non divergere sia dai risultati già ottenuti che da quelli attesi per tre motivi:
- il processo di adozione delle nuove tecnologie è necessariamente lento.
- E’ necessario, oltre all’investimento in capitale materiale, quello nella modificazione delle dotazioni conoscitive delle persone.
- Saranno create nuove attività e professioni, che non possono essere ipotizzate in questo momento, perché molto dipende da come nascono le conoscenze sulla base dei meccanismi di interazione tra domini conoscitivi differenti, posseduti da molteplici imprese e centri di ricerca.
AI e robot, le nuove sfide economiche sociali
Comunque sia, però, IA, Automazione e tutte le altre nuove tecnologie pongono una serie di grandi sfide economico-sociali (“moonshot societal challenges) (MGI, 2018), dal momento che, anche se solo una parte minima delle occupazioni (5%) sarà forse completamente automatizzata, quasi tutte saranno influenzate dai processi innovativi. Bisogna inoltre tenere presente che le dinamiche effettive saranno condizionate da una serie di fattori, a loro volta dipendenti dai contesti: tipologie dei mercati del lavoro, caratteristiche quantitative e qualitative dell’offerta di lavoro, norme sociali prevalenti, adattatività di individui e sistemi di imprese.
In effetti, quello che possiamo dire con una certa fondatezza è che un’ampia parte della popolazione dovrà modificare profondamente la propria dotazione conoscitiva e le competenze. Riteniamo allora logico concentrare l’attenzione sui problemi e le sfide generali al fine di elaborare strategie appropriate.
La prima assunzione da cui partire è che siamo in una fase di transizione tecno-economica e sociale di grande portata. Un’implicazione immediata di ciò è il prodursi di molte e profonde asimmetrie: cognitive, sociali, economiche, di potere, a causa dell’ampliarsi dei divari tra le possibili traiettorie di evoluzione, implicite nel potenziale tecnico-scientifico in dispiegamento, e gli assetti socio-economici consolidatisi nel tradizionale e del tutto differente frame, ovvero in uno schema strutturale prototipico (struttura-funzione-performance) progettato a varia scala nei modelli di impresa, dell’organizzazione sociale, dei processi formativi.
Si tratta quindi di uno shift multi-dimensionale complesso verso un “nuovo mondo”, dove si sovrappongono e intersecano processi e agenti (individuali e collettivi), che oggi devono pensare e agire in un mondo iperconnesso, con flussi informativi in incessante evoluzione. Variabilità e incertezza divengono, pertanto, proprietà determinanti degli orizzonti decisionali, al cui interno evolvono intelligenza umana e intelligenza artificiale, a causa dell’esistenza di un meccanismo propulsivo basilare: la “tecnologia intellettuale” di produzione (Bell, 1973), cioè la codificazione della conoscenza teorica incorporata nelle macchine.
Macchine con funzioni cognitive
Quello che cambia radicalmente rispetto al passato non è l’uso della conoscenza, bensì “l’applicazione della conoscenza e dell’informazione a dispositivi che generano, elaborano e comunicano conoscenze e informazioni in cicli di feedback cumulativi tra innovazione e usi dell’innovazione” (Castells, 2010, p. 31). Ecco perché questa volta può essere differente: IA, Machine Learning, robotica avanzata e robotica evolutiva vanno oltre attività e funzioni elettro-meccaniche, svolgendo anche funzioni cognitive, come affermato all’inizio. La tecnologia intellettuale tende ad entrare profondamente anche nell’universo simbolico degli umani, nel processare informazioni e influenzarne il linguaggio e i processi cognitivi. Non si tratta più del passaggio dall’economia a base agricola a quella industriale e terziaria, bensì della trasformazione dell’intelaiatura essenziale delle attività umane, oggi sostenute e alimentate da sistemi di algoritmi in continua evoluzione e approfondimento.
Risiede in questo mutamento di fondo la causa dell’enorme divario che si apre tra l’immenso spazio della conoscenza e la limitata razionalità umana (Simon, 1979). La conseguenza più rilevante è la transitorietà della propria dotazione conoscitiva e delle competenze possedute da ciascuno, perché l’universo informativo in continua espansione cambia tendenzialmente il contenuto di ogni tipo di attività lavorativa (task), con il rischio di rendere obsolete figure e funzioni tradizionalmente considerate solide.
In questo scenario emergono due probabili trend, di cui è arduo delimitare preventivamente i confini, che sono variabili: sostituzione di certi lavori e professioni; cambiamenti delle attività delle persone tramite una modificazione delle dotazioni conoscitive e delle competenze, in modo da metterle in condizioni di effettuare attività che le macchine non sono in grado di svolgere perché non ne hanno le capacità e –presumibilmente- non l’avranno in un futuro più o meno lontano. Dobbiamo allora inquadrare il problema con uno frame concettuale basato su sfide con cui misurarsi alla luce di una migliore comprensione di quello che sta accadendo, preparando il terreno e gli strumenti per affrontare eventualità al momento ignote oppure conosciute in modo ambiguo e confuso.
L’uomo al centro della rivoluzione tecno-economica
Se l’automazione è in grado di inglobare sia funzioni di routine non cognitive che funzioni non di routine cognitive, anche se in misura non totalizzante, la traiettoria obbligata di intervento, se non si intende assecondare processi di asservimento dell’uomo alla macchina e di progressivo indebolimento delle capacità intellettuali umane, è quella di promuovere un sistematico e generale processo di acculturazione rispetto all’universo fisico-digitale, il che non significa semplicemente imparare a usare oppure a programmare, bensì riorganizzare le sequenze formative con nuovi principi e metodi, alla luce delle conquiste della fisica, delle scienze cognitive, della filosofia della mente, della logica computazionale e così via.
Investire in processi di formazione permanente
Come viene ampiamente argomentato in recenti Rapporti dell’Aspen Institute (Future of Work Initiative, Automation and a Changing Economy, Aprile 2019) e della Brooking Institution (Automation and Artificial Intelligence, Gennaio 2019, a cura di M Muro, R. Naxim, J. Whiton), occorre adottare una strategia multi-dimensionale, che prenda in considerazione precise direttrici di azione:
1) cospicui investimenti, sia pubblici che privati, in processi di formazione a tutti i livelli e lungo tutto l’arco della vita. Si tratta di una direzione opposta a quella scelta dagli Usa e da molti altri Paesi occidentali, dove sono diminuiti gli interventi e i progetti sia delle imprese che delle istituzioni.
2) Invenzione di nuovi e tra loro complementari meccanismi per favorire processi di acculturazione e reinserimento tramite strumenti di sostegno economico, assistenziale (erogazione di servizi innovativi) e orientamento verso nuove potenzialità.
In sostanza, il descritto processo di transizione richiede una rete di sicurezza integrata, strategicamente orientata e gestita secondo criteri di razionalità adattativa ed efficacia costantemente valutata. Anche in questo caso le tendenze degli ultimi decenni vanno in senso opposto, con un pronunciato declino in ciascuna delle direttrici.
3) Creazione di nuovi strumenti di cooperazione socio-economica. E’ necessario creare le basi per superare chiusure individualistiche e falsamente identitarie, favorendo lo sviluppo di una progettazione sociale delle trasformazioni. Il termine non deve spaventare: negli stessi documenti dell’Aspen Institute e della Brookings Institution sono introdotti temi in passato tabu per la cultura manageriale americana: la necessità di far partecipare le persone alle decisioni delle imprese, condividendo la consapevolezza dei cambiamenti e dei percorsi per il superamento delle difficoltà. L’espressione “nuove forme di cooperazione socio-economica” significa anche e soprattutto far sì che intere fasce di popolazione possano essere coinvolti in dinamiche di apprendimento, senza essere abbandonati di fronte alle sfide dell’IA e dell’automazione. Lo sviluppo di una cultura adattativa richiede originali modelli di condivisione sociale di competenze, valori e orizzonti evolutivi. Per questa via è possibile ridurre le asimmetrie di varia natura, più volte sottolineate per enfatizzare le interdipendenze tra livelli conoscitivi, reddito, ruolo sociale, partecipazione democratica.
A questo punto è opportuno rispondere ad un interrogativo: perché queste sfide sono basilari? La ragione della risposta affermativa è la seguente. Esse vertono e innovano tre pilastri del modello di società prevalso nella seconda metà del ‘900: sono poste al centro le persone e la loro funzione; viene stimolata la rigenerazione dei presupposti dell’appartenenza sociale degli individui; è perseguita la valorizzazione su nuove basi degli esseri umani come “animali sociali”. Il punto di arrivo di queste riflessioni è chiaro: se non sapremo dare risposte efficaci alle sfide, verranno meno i fondamenti delle stesse società e il futuro dipende da come riusciremo a modellarlo in base a scelte consapevoli della posta in gioco.
____________________________________________________________________
Bibliografia
Autor D.A., 2015, Why Are There Still So Many Jobs? The History and Future of Workplace Automation, The Journal of Economic Perspectives, Vol. 29, No. 3 (Summer 2015), pp. 3-30
Bell D., 1973, The Coming of Post-Industrial Society, Basic Books
Bettelheim B., 2013, Il mondo incantato. Uso, importanza e significati psicoanalitici delle fiabe, Feltrinelli
Brynjolfsson E., McAfee A., 2011, The race against the machine, Digital Frontier Press
Brynjolfsson E., McAfee A., 2014, The Second Machine Age, Norton Company
Castells M., 2010, The Rise of Network Society, Whiley-Blackwell
Frase P., 2016, Four Futures. Life after Capitalism, Verso Books
Cowen 2013, The Average is Over, Penguin Books
Cowen T., 2017, Industrial Revolution Comparisons Aren’t Comforting, Bloomberg Blog, february
Diamond J., 2005, Collapse. How Societies choose to Fail or Succeed, Viking
Frase P., 2016, Four Futures: the Life After Capitalism, Verso Press
Kefee Conversation with Ray Kurzweil, Singularity Hub (https://singularityhub.com/2016/08/11/ray-kurzweil-the-future-offers-meaningful-work-not-meaningless-jobs/
Hunnicutt B-K., 2013, Free Time: The Forgotten American Dream. Temple University Press
Hunnicutt B-K., 2006, The History of W estern Leisure, in Rojek et al., cit
Ford M., 2015, Rise of the robots: technology and the threat of a jobless future, Basic Books
Kurzweil R., 2005, The Singularity is Near, Viking
MGI (McKinsey Global Institute), 2018, AI, Automation and the Future of Work, Ten Things to solve for, June
Rojek C., Shaw S.M., Vea A. J., 2006, A Handbook of Leisure Studies, Palgrave McMillan
Simon H.A., 1979, Rational Decision Making in Business Organizations, The American Economic Review, Vol. 69, No. 4, pp. 493-513
Summers L., 2016, Secular Stagnation, Foreign Afairs, February
Thiel P. with Blake Masters, 2014, Zero-to-One, Crown Business, New York
Wiener N, 1948, Cybernetics: or Control and Communication in the Animal and the Machine, MIT Pres
