L’analisi computazionale sta cambiando il nostro modo di studiare la cultura e, soprattutto, di organizzare le informazioni.
Sono arrivata a questa conclusione grazie alla lezione di filosofia digitale tenuta dal prof. Stefano Moriggi che a sua volta ha citato Lev Manovich, pioniere della Cultural analytics.
La Cultural analytics usa algoritmi e grandi quantità di dati per analizzare opere d’arte, film, musica e qualsiasi altro artefatto culturale, andando oltre ciò che l’occhio umano riesce a cogliere da solo.
Se adesso ti chiedessi di descrivere l’impressionismo, con buona probabilità penseresti a dei quadri molto famosi, come quelli di Monet, Manet, Degas o Renoir, pieni di colori chiari, pennellate dolci e scene di vita luminose.
Abbiamo rafforzato questa idea perché i critici e gli storici del mondo dell’arte hanno selezionato i capolavori da mostrare al pubblico, creando così un vero e proprio canone.
Ma i numeri ci dicono altro.
Tra il 1872 e il 1886, a Parigi, gli artisti legati all’impressionismo hanno esposto circa 13.000 dipinti.
Di questa enorme mole di lavoro, i libri di testo hanno finito per mostrare sempre gli stessi 140 quadri. Parliamo di circa l’1% della produzione totale.
Questo minuscolo campione ha congelato la nostra idea del movimento, portandoci a scambiare l’1% per il 100% e convincendoci che l’impressionismo fosse solo quello dei quadri più celebri.
Come l’analisi computazionale trova i pattern nascosti
Lev Manovich ha deciso di applicare i big data a questo bias. Ha preso 5.000 opere (il 38% del totale selezionato in modo casuale) e le ha date in pasto a un algoritmo per fare un’analisi visiva su larga scala.
Il risultato dell’elaborazione ha smentito decenni di convinzioni umane e infatti i classici toni chiari sono presenti solo nel 25% dei dipinti analizzati.
L’algoritmo ha rivelato una realtà molto più complessa e ricca di quadri scuri e sfumature cromatiche che i critici non avevano considerato.
Inoltre ha organizzato le 5.000 immagini in base a somiglianze visive, mettendole vicine per creare una mappa, vedere a colpo d’occhio l’evoluzione del movimento e dimostrare che la cultura è un flusso continuo, non una scatola chiusa definita in modo netto.
Questo è esattamente ciò che fanno i dati quando li lasciamo parlare: rendono visibile quello che era sempre stato lì, nascosto dalle nostre aspettative. Si tratta di nuovi sguardi che vanno ben oltre il mondo dell’arte.
È una storia che racconta il modo in cui organizziamo, filtriamo e cataloghiamo qualsiasi tipo di informazione, compresa quella che riguarda il lavoro di tutti i giorni.
Cosa portarti a casa per la tua organizzazione digitale
Nel lavoro consiglio sempre di dividere le informazioni in categorie e di certo continuerò a farlo. Cartelle, tag, etichette… rimangono strumenti indispensabili per ritrovare un documento, mantenere un buon ordine visivo e sopravvivere al caos.
Ma tutto questo è davvero utile solo se ci permette di far emergere pattern inaspettati.
Il lavoro di Manovich dimostra che fissarsi sulle categorie a priori ci porta a perdere molte intuizioni.
Per farti un esempio, inserire un libro che non hai ancora letto in una cartella predefinita per rispettare il suo genere vuol dire perdere in partenza la magia di collegarlo ad altri testi di generi diversi anche se, magari, hanno come filo rosso delle storie sulle mongolfiere.
Quando gestiamo la nostra conoscenza (Personal Knowledge Management), forzare idee complesse dentro etichette rigide ci limita in diversi modi.
1. Il limite delle scatole chiuse
Le categorie sono perfette per archiviare i documenti, ma pessime per le idee, proprio come etichettare solo determinati pattern dell’impressionismo ha nascosto il 75% della sua reale natura.
Quando prendi appunti o salvi delle risorse, chiediti se la cartella che stai usando non stia rendendo invisibile il vero valore di quell’idea. Invece di catalogare per argomento, pensa alle possibili finalità.
2. Dalle cartelle alle mappe visive
Proprio come l’algoritmo ha avvicinato i quadri per somiglianza, oggi i software di organizzazione delle informazioni (come Obsidian o Logseq) usano i collegamenti bidirezionali (link) per creare grafi visivi.
Connettere le informazioni per affinità è molto più efficace che chiuderle in compartimenti stagni.
3. Pensare senza categorie
Lasciare che le informazioni fluiscano in archivi più aperti (i “big data” del tuo computer) è importante per far emergere dei pattern inaspettati.
Più il tuo sistema è rigido, più rischierai di perdere idee preziose per seguire un “canone” troppo limitante che proprio tu hai creato.
Abbiamo una grande opportunità, quella di poter usare la tecnologia per mappare l’intero panorama delle informazioni e far emergere il vero valore dei nostri appunti, senza fissarci su una rigida categorizzazione.
Evita di ingabbiare le tue idee in partenza, ma lasciale libere di connettersi e scontrarsi. Solo dopo usa le categorie. Perché le etichette servono per ritrovare i documenti, non per limitare il pensiero.
Usa le categorie come strumenti al servizio delle tue idee, sempre flessibili e aperte al cambiamento. Parti dal contenuto, osserva le connessioni che emergono e solo dopo organizza. Il tuo sistema di archiviazione diventerà molto più utile e più intelligente.
«Le categorie non spariscono del tutto, ma diventano ipotesi a posteriori, non presupposti a priori.»
«In quanto artista, mi affascina la questione di come presentare il mondo attraverso i dati. Un secolo fa, sarei andato in giro a fotografare una città. Oppure l’avrei dipinta sperimentando forme nuove, sotto l’influenza dell’Impressionismo, del Fauvismo o del Cubismo. Oggi, invece, posso raccontare quella stessa città attraverso 2 milioni di foto su Instagram. I Big Data diventano un nuovo mezzo espressivo per l’arte. Ecco perché mi vedo come un artista che dipinge con i dati.» (Lev Manovich)
Per approfondire:
Il sito di Lev Manovich manovich.net
Le cover del Time divise per anno time.com/vault/year/2025
Il libro Cultural Analytics: l’analisi computazionale della cultura, di Lev Manovich
