L'intelligenza artificiale non è né artificiale né intelligente: è incarnata e materiale, fatta di minerali, energia, lavoro umano e dati, e non discerne nulla senza addestramento intensivo e strutture politiche che la sostengono. Per il capitale che richiede, i suoi sistemi sono progettati per servire gli interessi dominanti: l'IA è «un registro del potere». Va compresa come industria estrattiva — di terra, lavoro, dati — attraverso un atlante dei luoghi che la producono, non come dominio tecnico. Il pregiudizio algoritmico è sintomo, non malattia: la domanda giusta è cosa viene ottimizzato, per chi, e chi decide.
introduzione §§2-5; epilogo (Potere)
Come ci arriva
Terra L'IA comincia sottoterra: litio del Nevada, terre rare di Baotou, stagno indonesiano, energia per i data center. Il calcolo è un'industria estrattiva che non paga i propri costi ambientali, erede delle miniere d'oro che costruirono San Francisco: la megamacchina di Mumford, non il software immateriale.
Lavoro Non se i robot sostituiranno gli umani, ma come gli umani vengono già trattati da robot: il «ritmo» dei magazzini Amazon, i crowdworker pagati a microtask che sostengono l'illusione dell'automazione, la disciplina del tempo da Taylor agli algoritmi. L'IA visibile poggia su lavoro invisibile e sottopagato.
Dati e classificazione Le foto segnaletiche del NIST come Urtext: tutto è dato da prendere, senza contesto né consenso; i beni comuni recintati in modelli privati. E classificare — da Morton a ImageNet — è un atto di potere travestito da misurazione: il «bias» è il sintomo, la tassonomia è la malattia.
Emozioni Dalla spedizione di Ekman in Papua Nuova Guinea a HireVue, Microsoft e Amazon: un'industria da oltre diciassette miliardi costruita su una teoria — poche emozioni universali leggibili dal volto — che la revisione sistematica di Barrett (2019) giudica priva di prove affidabili. Eppure decide assunzioni, voti, sospetti.
Stato e rifiuto L'archivio Snowden mostra la matrice militare dell'IA: strumenti extralegali dell'intelligence migrati a polizia, scuole e welfare. L'epilogo salda i fili: utopisti e apocalittici sono «gemelli metafisici» che mettono il potere nella tecnologia anziché in chi la possiede; l'etica non basta, serve una politica del rifiuto che chieda perché usare l'IA, non dove.
Il caso emozioni È il capitolo più solido: la distanza fra scienza contestata e prodotti già venduti è documentata punto per punto — la genealogia Ekman, i finanziamenti dell'intelligence in guerra fredda, la revisione sistematica del 2019, i sistemi commerciali citati per nome. Qui l'accusa di pseudoscienza operativa non è retorica: è verificabile.
Il metodo materiale La tesi dell'IA incarnata è mostrata, non asserita: Crawford va a Silver Peak, dentro il magazzino di Robbinsville, nell'archivio Snowden. Il reportage in prima persona àncora l'argomento sull'estrazione a luoghi e numeri controllabili e sottrae il libro al genere del pamphlet.
Classificare è politica La linea Morton–ImageNet regge perché non si ferma all'analogia: appoggiata a Gould e a Bowker e Star, dimostra che correggere il «bias» dentro tassonomie arbitrarie è una risposta tecnica a un problema politico. È il contributo concettuale più durevole del libro.
Gemelli metafisici Lo smontaggio simmetrico di utopisti e catastrofisti — entrambi collocano il potere nella tecnologia invece che in chi la possiede — è coerente dall'introduzione all'epilogo e sposta la domanda da «cosa può fare l'IA» a «chi ottimizza cosa, per chi».
Definizione circolare Nell'introduzione Crawford dichiara: «uso l'IA per parlare del vasto e complesso mondo industriale che include politica, lavoro, cultura e capitale». Definita così, la tesi «l'IA è un registro del potere» è vera per costruzione: ogni colpa dell'industria tecnologica diventa automaticamente una colpa dell'IA.
Contabilità estensiva I costi imputati all'IA sono spesso quelli dell'intero digitale: le batterie delle Tesla e i cavi sottomarini (Terra), il «ritmo» logistico di Amazon (Lavoro), la sorveglianza NSA precedente al deep learning (Stato). Il legame con l'apprendimento automatico è a tratti solo analogico — «le ultime tecnologie» di una lunga storia di fabbriche e orologi. Francesca Rossi, sul journal «Artificial Intelligence», la porta sul piano disciplinare: il libro equipara l'IA al deep learning commerciale e ne estende il giudizio a un campo che è anche search, planning e rappresentazione della conoscenza.
Conflitto non dichiarato Crawford scrive da Senior principal researcher di Microsoft Research: il decennio «in un laboratorio di ricerca sull'IA industriale» è dichiarato nell'introduzione, ma il libro che accusa «la mezza dozzina di aziende che dominano il calcolo planetario» non esamina mai cosa significhi scriverlo dall'interno di una di esse.
Rifiuto senza programma L'epilogo liquida la democratizzazione dell'IA con un'analogia (le armi, la citazione di Lorde) invece che con un argomento, e la «politica del rifiuto» resta un elenco di vittorie che lei stessa definisce «minori, frammentarie e localizzate». Dopo trecento pagine di diagnosi, la terapia occupa poche righe.
Va letto, ma per quello che è: il testo fondativo della critica infrastrutturale dell'IA, non una teoria dell'IA. I capitoli su emozioni, classificazione e dati reggono da soli e giustificano il libro; il reportage materiale — Nevada, magazzini Amazon, archivio Snowden — resta il modo più concreto per capire cosa costa il calcolo planetario. Chi cerca un'analisi delle capacità dei sistemi o una proposta politica praticabile non la troverà: qui «IA» significa industria tecnologica, e il rifiuto finale è un gesto, non un programma. Da leggere prima dei libri sull'AGI, come antidoto all'astrazione.
Resta aperta
Se l'etica è insufficiente, la democratizzazione impossibile e il rifiuto finora «frammentario e localizzato», chi ha la forza di imporre limiti a un'infrastruttura che gli stati stessi usano e sovvenzionano — e con quali strumenti, se ogni strumento disponibile appartiene già alla megamacchina?
epilogo §4; coda (Spazio)
LETTURE è la rubrica di schede critiche di Lost in the Middle. Una scheda per numero, sui libri che servono a capire l'AI e quello che porta con sé. Il formato giudica l'argomento, non l'esperienza di lettura.
