395 sistemi intelligenti / a. XXiV, n.

3, dicembre 2012
PAOLA CANT ITALO TESTA
Algoritmi e Argomenti.
lA sfidA dellintelligenzA ArtificiAle
1. INTRODUZIONE
la teoria dellargomentazione ha conosciuto uno sviluppo significa-
tivo negli anni cinquanta e sessanta del novecento: il revival di questo
campo di studi di solito connesso alla critica mossa da Perelman alla
logica formale e allo sviluppo della logica informale. interessante no-
tare per che a questo periodo risale anche il programma dellArtificial
Intelligence (Ai) volto a difendere la tesi che il ragionamento umano
pu essere emulato dalle macchine (affermazione cui dora in poi ci
riferiremo con lespressione tesi-AI). Quale relazione pu sussistere tra
il rifiuto della logica informale di equiparare argomenti ed algoritmi e
linsistenza della logica formale e dellAi sul rapporto tra algoritmi e
funzioni computabili? il nostro articolo si interroga sulla possibilit di
interpretare la strategia della logica informale come una mossa contro la
tesi-Ai, e pi precisamente contro la premessa di un argomento a favore
di tale tesi. inoltre intendiamo introdurre una distinzione tra una nozio-
ne ampia e una nozione ristretta di algoritmo, distinzione che potrebbe
essere utilizzata per riformulare la tesi-Ai nei termini di un problema
fondazionale di teoria dellargomentazione.
in primo luogo analizziamo un argomento (cui dora in poi ci rife-
riremo come allargomento-AI) a favore della tesi-Ai, distinguendo tre
premesse in favore della conclusione (2). Valuteremo quindi linter-
pretazione secondo la quale la logica informale starebbe in opposizione
rigida alla logica formale come una possibile mossa in una strategia volta
a confutare una premessa dellargomento-Ai: la possibilit di esprimere
argomenti mediante algoritmi. non intendiamo con questo suggerire
che tale mossa sia stata compiuta esplicitamente dai teorici dellargo-
mentazione, ma riteniamo che questa ricostruzione controfattuale possa
far luce sui motivi di contrasto tra i teorici dellargomentazione e gli
studiosi dellAi. in particolar modo, sosterremo che lopposizione tra
approccio formale ed informale alla logica pu essere interpretata non
soltanto come un modo per dar conto delle peculiarit del linguaggio
396
ordinario (la filosofia analitica del linguaggio ha tentato di soddisfare
tale esigenza senza rinunciare a strumenti formali, sebbene soltanto
frammenti dei linguaggi naturali possano essere formalizzati), ma anche
come un modo per distinguere il dominio della razionalit argomentativa
dal dominio della computazione meccanica.
in secondo luogo confronteremo la strategia citata con altre mosse
volte a respingere la conclusione dellargomento-Ai (3), per esempio
rifiutando la premessa secondo la quale il calculemus di leibniz descrive
una struttura del ragionamento umano, oppure confutando la premessa
secondo la quale tutte le funzioni computabili possono essere calcolate
da una macchina di turing. il confronto tra queste differenti strategie
volte a respingere la conclusione dellargomento-Ai mostrer anche che
tutte e tre riposano su un elemento comune: laccettazione dellidea che
la nozione di algoritmo sia strettamente legata al concetto di funzione
computabile da una macchina di turing.
tale nozione di algoritmo pu secondo noi essere contrapposta ad
una nozione pi ampia di algoritmo, di cui mostreremo traccia nella let-
teratura che discute il rapporto con una nozione pi intuitiva e primitiva
di algoritmo o la necessit di estendere la nozione di computabilit per
rendere conto di alcuni sviluppi recenti nella teoria della computazione e
nellAi (4). in particolare, la nozione ristretta di algoritmo basata sulla
nozione di funzione computabile pu secondo noi essere interpretata come
una definizione formale applicabile solo in certi casi ma utile alla com-
prensione della nozione intuitiva, che altrimenti resterebbe troppo vaga.
offriremo quindi una caratterizzazione della nozione ampia di algo-
ritmo quale estensione di una nozione ristretta basata sullanalisi delle
definizioni suggerite da markov e Knuth (5). Aspetti comuni alla no-
zione ampia e alla nozione ristretta sarebbero la finitezza, la generalit,
la conclusivit, mentre la nozione pi ampia potrebbe essere basata su
un indebolimento della formulazione delleffettivit e sullabbandono di
definitezza e determinismo per includere gli algoritmi non deterministici,
gli algoritmi indefiniti che devono essere interpretati dal ricevente in
un contesto dato, o, pi in generale, tutti gli algoritmi che non possono
essere computati da una macchina di turing. in questo modo la nozione
ristretta potrebbe essere intesa come un caso particolare della nozione
pi ampia e non come radicalmente opposta ad essa.
A questo punto prenderemo in esame due nozioni di argomento, una
pi ampia e una ristretta (6), sostenendo che, se si interpreta la logica
formale come un sottodominio della logica informale anzich come
unarea di ricerca radicalmente incompatibile con la prima, allora la
nozione ampia di argomento pu essere considerata come pi primitiva e
la nozione ristretta come una definizione utile per comprendere la natura
degli argomenti anche se non applicabile in tutti i casi. Analogamente,
anche tra le due nozioni di argomento potrebbe sussistere una relazione
di subordinazione e non di incompatibilit.
397
Accettando questinterpretazione delle relazioni tra logica formale
e informale, mostreremo dapprima alcune somiglianze tra la nozione
ampia di algoritmo e la nozione ampia di argomento (7). non solo in
entrambi i casi si ha una relazione di inclusione della nozione ristretta
nella nozione pi ampia, ma le differenze tra le due sono basate su
propriet dello stesso tenore: le nozioni ampie sono informali anzich
formali, pragmatiche anzich sintattiche, passibili di interpretazioni
diverse anzich determinate in maniera univoca, non deterministiche
anzich deterministiche.
Alla luce di questo confronto si comprende meglio il successo della
strategia (discussa nel 2) di confutazione della premessa dellargomento-
Ai secondo la quale gli argomenti possono essere espressi mediante
algoritmi: a nostro avviso, infatti, la strategia basata sul confronto tra
la nozione ampia di argomento e la nozione ristretta di algoritmo. se
il confronto viene invece effettuato con la nozione ampia di algoritmo,
emergono somiglianze difficili da ignorare, e la questione della fecon-
dit dellapplicazione dellAi allargomentazione potrebbe avere una
risposta diversa.
nellultima sezione dellarticolo (8) torneremo allargomento schiz-
zato nel 2 per mostrare che la distinzione tra una nozione ampia e una
nozione ristretta di argomento, e gli sviluppi recenti in logica, teoria della
computazione, Ai e teoria dellargomentazione, permettono comunque di
rifiutare la conclusione dellargomento-Ai. ma ci forse dovuto solo
al fatto che la tesi, alla luce degli sviluppi recenti, andrebbe riformulata:
il problema posto dallAi non riguarda lemulazione del ragionamento
argomentativo di una singola mente umana, ma piuttosto lemulazione
delle pratiche argomentative di diversi interlocutori che interagiscono gli
uni con gli altri in un contesto dato. il problema sarebbe allora quello di
stabilire se un sistema multi-agente pu emulare il ragionamento inte-
rattivo di diversi esseri umani che partecipano ad una discussione. Pur
non intendendo dare qui una risposta definitiva al problema, riteniamo
che esso possa costituire unidea guida nellapplicazione dellAi alla
teoria dellargomentazione, una domanda aperta che concerne non solo
la logica e la filosofia della mente ma anche la fondazione della teoria
dellargomentazione, e in particolare linterpretazione della razionalit
argomentativa.
2. LARGOMENTO-AI E LA SUA CRITICA DA PARTE DEI TEORICI DELLARGOMEN-
TAZIONE
tra la fine degli anni cinquanta e linizio degli anni sessanta del no-
vecento la ricerca in logica formale e Ai era orientata dallidea seguente:
398
(1) il ragionamento umano pu essere considerato come una computa-
zione (il calculemus di leibniz).
dalla tesi (1) si pu derivare che il ragionamento argomentativo
umano sia a sua volta una computazione poich largomentare parte
del ragionare
1
. la maggior parte degli studiosi di Ai credeva inoltre nella
cosiddetta tesi di church-turing, che pu essere formulata grossomodo
nei seguenti termini:
(2) ogni funzione computabile con un algoritmo pu essere computata
da una macchina di turing.
dunque, se si accetta lulteriore premessa per cui
(3) gli argomenti possono essere ricostruiti come algoritmi,
allora si pu inferire da (1), (2) e (3) che
(tesi-Ai) il ragionamento argomentativo umano pu essere emulato da
una macchina (e precisamente da una macchina di turing)
2
.
noto che una delle ragioni principali del revival e dello sviluppo
della teoria dellargomentazione come logica informale negli anni cin-
quanta e sessanta fu la reazione nei confronti delle idee neo-positiviste
1
Per ragionamento argomentativo si intende qui lattivit umana che consiste nella
produzione di argomenti e nella creazione di particolari nessi tra gli argomenti, ma anche
nellattivit dialettica richiesta da una comunicazione basata sullascolto degli argomenti
dellinterlocutore e sulla risposta ad essi. non includiamo per nellargomentare altre
componenti peraltro essenziali del ragionamento come la capacit di effettuare scelte,
che complicherebbe ulteriormente il quadro. ci sembra che la tesi-Ai sia stata rifiutata
dai logici informali gi nella versione pi debole, che si limita a ritenere che una parte
del ragionamento umano (quello argomentativo appunto) sia emulabile da macchine.
2
la tesi (1) non superflua, ma serve a garantire che largomentare sia una com-
putazione. Assumendo infatti che largomentare, come precisato nella nota precedente,
sia qualcosa di diverso dagli argomenti di cui costituito, allora accettando che (3)
gli argomenti siano algoritmi con cui calcolare funzioni, e in particolare algoritmi che
calcolano funzioni computabili da una macchina di turing (2), ci non significherebbe
ancora che largomentare sia a sua volta una procedura algoritmica o computazionale.
Per poter sostenere che largomentare umano una computazione serve dunque la tesi
(1). dalle tesi (1)-(3) si potrebbe essere tentati di inferire una tesi ancora pi forte della
tesi-Ai, e cio che il ragionamento argomentativo umano eseguibile e non soltanto
emulabile da una macchina. ma ci richiederebbe un ulteriore argomento, perch il fatto
che sia la macchina che luomo argomentino per mezzo di algoritmi, non implica che
usino gli stessi algoritmi nelle stesse procedure e quindi nemmeno che la macchina sia in
grado di eseguire lo stesso ragionamento argomentativo eseguito da un uomo. Potrebbe
invece emularlo nel senso che, dati gli stessi input, la macchina potrebbe produrre gli
stessi output di un umano.
399
in base alle quali non ci potrebbe essere discussione razionale sui giudizi
di valore e la logica dovrebbe essere concepita come calcolo matematico
anzich come teoria generale del ragionamento umano. Un terzo ele-
mento di disaccordo tra i teorici dellargomentazione e i logici formali
concerne il ruolo attribuito agli algoritmi nella rappresentazione e nella
comprensione del ragionamento umano
3
.
gli studiosi dellAi ritenevano che il ragionamento umano fosse una
computazione (1) e pertanto si interessavano alla nozione di algoritmo
allo scopo di isolare una classe di funzioni computabili. secondo la no-
stra interpretazione, linsistenza sullopposizione tra argomenti formali
e informali potrebbe essere vista alla luce dei recenti sviluppi dellAi
e indipendentemente dalle intenzioni degli studiosi di teoria dellargo-
mentazione che per primi difesero tale opposizione come una mossa
contro largomento-Ai. Assumendo che la tesi di church-turing (2) sia
valida, e assumendo inoltre che gli argomenti possano essere ridotti
ad algoritmi (3), si potrebbe trarre la conclusione che il ragionamento
umano possa essere emulato da una macchina (tesi-Ai). ma se questo
vero, allora non ci sarebbe pi alcuno spazio per la razionalit speci-
ficamente umana dellargomentazione. dunque, attaccando la premessa
(3), si respingerebbe allo stesso tempo largomento-Ai, o addirittura si
attaccherebbe la tesi-Ai nel suo complesso. Un modo per attaccare la tesi
(3) difendere lidea che gli argomenti, essendo definiti come classi di
enunciati del linguaggio naturale, non possono essere tradotti adeguata-
mente in nessun linguaggio formale: non ha senso dunque confrontarli
con gli algoritmi usati per studiare le funzioni ricorsive.
Anche se non stiamo proponendo una ricostruzione storica basata sulla
testimonianza di un autore che abbia esplicitamente difeso tale strategia,
ci sembra tuttavia che le tesi di molti teorici dellargomentazione siano
perfettamente in linea con essa. la strategia consistente nel rifiutare la
tesi-Ai attraverso la confutazione della premessa (3) stata storicamente
utile per separare la teoria dellargomentazione dalla logica, e pertanto
una condizione desistenza della teoria dellargomentazione come campo
3
cfr. per esempio toulmin (2001, 96), dove la ricerca di algoritmi criticata come
correlato del tentativo di fondare loggettivit su un unico punto di vista metodologico:
Questi argomenti potrebbero indurre un senso di perdita nei lettori che hanno familiarit
con la matematica. il sogno di algoritmi formali che guidino le procedure scientifiche
ha un fascino che non si dissiper facilmente. Per coloro che ritengono che lesattezza
matematica abbia un valore preminente rispetto ad ogni altro tipo di precisione quale
modello per la ricerca scientifica, il messaggio alternativo metodi differenti per temi
differenti sar una delusione. e tuttavia, siamo stati obbligati nel corso dei secoli a
riconoscere uno spettro di tipi differenti di metodi (al plurale) per le scienze che vanno
dalla teoria planetaria di newton strettamente fattuale e avalutativa, in uno stile vicino
a quello della geometria di euclide passando per le scienze empiriche o funzionali
come geologia, chimica, fisiologia, e evoluzione organica, per arrivare alle scienze
umane in cui i tentativi di mantenere il carattere avalutativo si rivelarono infine vani.
400
di studi: infatti, se il ragionamento umano non differisse sostanzialmente
dal ragionamento di una macchina, allora non ci sarebbe alcun bisogno di
distinguere il dominio della razionalit umana dal dominio della logica
formale (govier 1987, 204-205).
3. ALTRE STRATEGIE PER ATTACCARE LA CONCLUSIONE DELLARGOMENTO-AI
Altre mosse possibili per respingere largomento-Ai includono
lattacco alla premessa (1), vale a dire alla concezione computaziona-
le del ragionamento, oppure alla premessa (2), vale a dire alla tesi di
church-turing.
Kurt gdel per esempio in unosservazione sui risultati di indecibilit
critic la seguente versione della tesi: le macchine di turing possono
computare ogni funzione calcolabile con mezzi finiti (turing 1937,
250). rimandando allampia letteratura critica che discute il significa-
to dellosservazione di gdel, ci limitiamo qui a sottolineare un fatto
generalmente accettato: gdel intendeva proporre dei controargomenti
allidea che i risultati di indecidibilit generalizzata potessero stabilire
dei limiti ai poteri della ragione umana (gdel 1986, 370). inoltre,
rilevante che egli considerasse insufficiente largomento di turing, che
dovrebbe mostrare che le procedure mentali non possono andare oltre le
procedure meccaniche, sulla base del seguente ragionamento:
ci che turing trascura del tutto il fatto che la mente, nelluso, non statica
ma in continuo sviluppo, vale a dire che noi comprendiamo i termini astratti in
modo sempre pi preciso mano a mano che proseguiamo ad usarli, e che un
numero sempre maggiore di termini astratti entra a far parte della nostra sfera
di comprensione. [...] Questo processo, comunque, oggi ben lungi dallesse-
re compreso a sufficienza per formare una procedura ben definita (gdel 1990,
306).
Anche se ammettiamo la premessa (1), vale a dire che il ragionamen-
to umano una procedura computazionale, i suoi calcoli non possono
tuttavia ancora essere espressi da procedure ben definite.
Unaltra possibile strategia per confutare la tesi-Ai consiste nellat-
tacco alla premessa (1). Una mossa simile era gi stata adottata alla
fine del diciannovesimo secolo da J. Venn, il quale osservava che anche
se il ragionamento umano fosse basato su algoritmi, esso non potrebbe
comunque essere considerato integralmente come calcolo
4
:
4
Pi propriamente Venn critica qui la possibilit di considerare il ragionamento
come un calcolo eseguibile da una macchina, e dunque critica una versione pi forte
della tesi (1).
401
dapprima c lenunciazione dei nostri dati in un linguaggio logico accu-
rato. [] Poi, in secondo luogo, dobbiamo trasformare questi enunciati in una
forma adeguata allelaborazione della macchina in questo caso la riduzione
di ogni proposizione alle sue negazioni elementari. [] in terzo luogo, c la
combinazione o un ulteriore trattamento delle premesse dopo una tale riduzione.
infine, i risultati devono essere interpretati o letti. Questultima cosa general-
mente lascia molto spazio allabilit e allintelligenza [sagacity]; [] io non
vedo come una macchina possa sperare di aiutarci eccetto nel terzo di questi
passi; sembra dunque molto dubbio che una cosa di questo tipo possa davvero
meritare il nome di macchina logica (Venn 1881, 120-121).
nel suo articolo del 1972 sullestensione della matematica finitaria
gdel ha operato una distinzione tra la definizione di algoritmo che
occorre nella formulazione della tesi di turing e la nozione intuitiva
di una procedura algoritmica ben definita, che egli considera primitiva
rispetto alla prima. sebbene espressa adeguatamente dalla nozione di
turing di una funzione computabile meccanicamente, lespressione
procedura matematica ben definita deve essere accettata come avente
un significato chiaro anche senza alcuna spiegazione ulteriore (gdel
1990, 275).
interessante osservare che tutte e tre le strategie sono basate su
una comune premessa implicita, e cio che la concezione degli algo-
ritmi possa essere indagata adeguatamente per mezzo della nozione di
funzione computabile
5
. tuttavia la nozione intuitiva di algoritmo non
solo antecedente alla definizione di turing, secondo il suggerimento di
gdel, ma anche pi ampia, come suggeriscono gli sviluppi successivi
dellAi e della teoria della computazione. nella prossima sezione (4)
prenderemo in considerazione una differente comprensione della nozione
di algoritmo, che richieder una nuova valutazione delle somiglianze e
delle differenze tra algoritmi e argomenti (7). ci implicher altres che
la strategia discussa nel 2 di attacco alla premessa (3) dellargomento-
Ai possa risultare oggi meno efficace.
4. UNA NOZIONE AMPIA E UNA NOZIONE RISTRETTA DI ALGORITMO
gli sviluppi recenti della teoria della computazione e dellAi sug-
geriscono che linteresse della nozione intuitiva di algoritmo non si
esaurisce nella determinazione di che cosa una funzione computabile
da una macchina di turing.
5
Anche se la nozione di algoritmo non viene mai ridotta al concetto di funzione
computabile, tuttavia rilevante che linteresse della logica per gli algoritmi si sia a
lungo concentrato soprattutto sulla nozione di computabilit e sulla possibilit di isolare
una particolare classe di funzioni (le funzioni computabili con una macchina di turing
o le funzioni ricorsive).
402
in primo luogo, vi sono numerose nozioni di funzione computabile
(lambda-computabile, ricorsiva generale, ricorsiva primitiva, funzioni
parziali, ecc.), e non vi alcuna evidenza ultimativa che la nozione di
algoritmo debba essere associata in maniera privilegiata ad una di esse.
lo stesso gdel, nei passaggi precedentemente riportati, not che una
nozione intuitiva di algoritmo precede la nozione di funzione computa-
bile. Blass e gurevich sono ancor pi radicali:
si assume spesso che la tesi di church-turing abbia risolto in maniera definitiva
il problema di che cosa sia un algoritmo. ma le cose non stanno cos. la tesi
chiarisce la nozione di funzione computabile. ma in un algoritmo c di pi,
molto di pi che la funzione che esso computa. la tesi di church-turing fu un
grande passo verso la comprensione degli algoritmi, ma non risolse il problema
di che cosa sia un algoritmo (Blass e gurevich 2003, 197).
in secondo luogo, vi sono alcune procedure che non possono essere
computate da una macchina di turing, anche se potrebbero essere com-
putate da altri tipi di macchine astratte (gurevich 2000, 77 ss). se un
algoritmo potesse essere associato ad una funzione computabile da una
classe pi ampia di macchine astratte che include la macchina di turing
come caso particolare, allora la nozione di algoritmo associata a questo
concetto di computabilit generalizzata sarebbe pi ampia della nozione
di procedura turing-computabile.
in terzo luogo linteresse per la classe delle funzioni computabili
fu il risultato degli sforzi di formulare algoritmi che possano essere
computati in un tempo ragionevolmente breve e in modo affidabile da
una macchina, ma la nozione di algoritmo storicamente precede sia la
nozione di funzione sia linvenzione delle macchine calcolatrici. Ad
esempio si potrebbero menzionare i nove capitoli sulle procedure di
calcolo scritti da liu Hui allinizio del terzo secolo d.c. (chemla 2005,
125). Analogamente, nella concezione comune degli algoritmi come
ricette o procedure per eseguire un certo compito (sipser 2006, 142),
gli algoritmi sono insiemi di istruzioni scritte per riceventi umani. A
differenza delle macchine di turing, le istruzioni date a un ricevente
umano non hanno bisogno di essere completamente non ambigue. il
contesto dellalgoritmo e altri elementi pragmatici potrebbero aiutare
il ricevente a interpretare le istruzioni della procedura. gli algoritmi,
concepiti in tal modo, potrebbero contenere procedure non computabili
da una macchina di turing.
A differenza di gurevich, che ritiene che la nozione di algoritmo
non possa essere definita in maniera rigorosa, moschovakis predilige
una definizione puramente matematica in termini insiemistici sulla base
di un modello fondato sulla ricorsivit (moschovakis 2001, 919 ss.). in
questa prospettiva, gli algoritmi che operano su dati astratti e gli algo-
ritmi che non terminano perch interagiscono con lambiente non sono
403
turing-computabili e dunque la classe degli algoritmi pi ampia ri-
spetto alle procedure turing-computabili (moschovakis e Paschalis 2008,
89 ss.).
Analogamente, lo sviluppo dei sistemi multi-agente nellAi ha favorito
lindagine degli algoritmi interattivi, che possono essere implementati
su un network di macchine: i sistemi multi-agente possono apprendere
dallesperienza e interagire in un network. la classe di algoritmi in-
terattivi cos ampia da includere algoritmi randomizzati, algoritmi
asincroni, cos come algoritmi non deterministici. in altre parole tale
classe include algoritmi che non sono coperti dallanalisi di turing
(Blass e gurevich 2003, 203).
lanalisi degli sviluppi della matematica, della teoria della compu-
tazione e dellAi mostra che una nozione pi ampia di algoritmo non
solo precede, in quanto nozione intuitiva, la definizione data nella prima
met del Ventesimo secolo, ma riemerge come problema negli sviluppi
pi recenti della teoria della computazione. se lesigenza di una nozione
pi precisa di algoritmo aveva indotto una restrizione della nozione intu-
itiva, associata allo studio delle funzioni ricorsive o computabili da una
macchina di turing, le ricerche pi recenti in teoria della computazione
e in Ai hanno messo in dubbio questa scelta, poich oggi tale nozione
appare troppo ristretta per includere tutti gli esempi rilevanti. si impone
quindi una nuova riflessione teorica sul concetto di algoritmo, che prenda
le mosse da un ampliamento progressivo o della nozione di macchina
astratta o della nozione di ricorsivit o del concetto di computabilit.
si noti che questa nostra concezione del rapporto tra nozione ampia
e ristretta di algoritmo in un certo senso antitetica allinterpretazione
di gurevich e Blass, che si servono dellanalogia tra algoritmi e numeri
per spiegare perch non sia possibile dare una definizione generale di
algoritmo: la nozione di algoritmo, come la nozione di numero, sarebbe
soggetta a successive estensioni nel corso della storia (gurevich 2012,
32). secondo la nostra lettura, invece, la nozione intuitiva di algoritmo
una nozione ampia e dai contorni sfumati che le modellizzazioni per
mezzo della nozione di macchina di turing, dei concetti della teoria degli
insiemi o di nozioni di macchina astratta formalizzano solo in parte e
in maniera restrittiva
6
.
6
in altre parole, la nozione di algoritmo secondo noi pi vicina alla nozione di
grandezza che a quella di numero, che invece stata usata per formalizzare la prima,
restringendone la portata, quando i numeri reali sono stati introdotti come modello e
struttura in grado di esprimere tutte le propriet delle grandezze continue e delle gran-
dezze misurabili, come nelle definizioni assiomatiche di dedekind e di Hlder. cos
come si pu pensare che ci siano cose che hanno la caratteristica di essere grandezze
non misurabili o non continue nel senso dei numeri reali (per esempio grandezze non-
Archimedee), altrettanto ci sembra si possa dire oggi che ci sono algoritmi non turing-
computabili. la nozione di algoritmo, come la nozione di grandezza, si trova ora in una
404
non possiamo analizzare in questa sede le differenze tra i diver-
si modi di definire un algoritmo offerti in anni recenti da gurevich,
moschovakis e sieg, ma proviamo a sviluppare unanalisi concettuale
comune di alcune propriet della nozione intuitiva che il concetto di
turing-computabilit era chiamato a soddisfare e che dovrebbero essere
abbandonate per sviluppare una nozione pi ampia di algoritmo, sia essa
ottenuta ampliando i concetti di macchina astratta o di ricorsivit o di
computabilit. richiamandoci alle definizioni informali di markov e
Knuth, sosterremo che una comprensione preliminare della nozione pi
ampia di algoritmo in gioco negli sviluppi nellAi e nella teoria della com-
putazione potrebbe essere ottenuta dalla nozione ristretta abbandonando
le due propriet di definitezza e determinismo e formulando leffettivit
in termini meno rigidi. se qui la nozione pi ampia di algoritmo viene
ricostruita a partire da una modificazione della definizione informale
della nozione ristretta, ci non significa, come abbiamo gi accennato
sopra, che la nozione pi ristretta debba essere primitiva e la seconda
creata come unestensione della prima in seguito agli sviluppi teorici.
Al contrario, la nozione pi ampia precede secondo noi sia storicamente
che concettualmente la nozione ristretta. Questultima, tuttavia, pi
facile da definire in maniera precisa, e pu pertanto esser usata come
punto di partenza per unanalisi della prima.
5. UNANALISI CONCETTUALE DELLE DIFFERENZE
la nostra proposta per una caratterizzazione della nozione ristretta
di algoritmo deriva, con alcune modifiche e integrazioni, dalle defini-
zioni date da markov e Knuth tra gli anni cinquanta e gli anni sessanta
(markov 1961; Knuth 1997). Un algoritmo un insieme di istruzioni
determinanti una procedura che soddisfa le sei seguenti condizioni: 1)
finitezza, 2) generalit, 3) conclusivit, 4) effettivit, 5) definitezza e 6)
determinismo. 1) la finitezza esprime il fatto che la procedura permette,
dati certi input, di raggiungere lobiettivo (decisione, computazione,
problem-solving), vale a dire procura loutput desiderato, in un numero
finito di passi. 2) la generalit garantisce la possibilit di prendere le
mosse da dati iniziali che possono variare entro certi limiti stabiliti (per
esempio sono ammesse certe classi generali di input). 3) la conclusivit
esprime il fatto che lalgoritmo orientato verso un qualche risultato
desiderato, che, in presenza di dati iniziali opportuni, verr senzaltro
raggiunto alla fine del processo. 4) leffettivit richiede che le operazioni
fase di espansione che segue ad una fase di definizione concettuale restrittiva, che si
comunque rivelata particolarmente utile per comprendere e formalizzare alcuni aspetti
della nozione pi ampia, ma che non pi in grado di esaurirla, a causa di numerosi
controesempi.
405
da compiersi siano sufficientemente basilari da poter essere, almeno in
linea di principio, effettuate in modo esatto e in un lasso di tempo defi-
nito dallesecutore (per esempio un uomo dotato di carta e penna). 5) la
definitezza richiede che la prescrizione sia universalmente comprensibile
e precisa, cio non lasci spazio ad alcuna arbitrariet. 6) il determinismo
garantisce che, dato un particolare input, la procedura produrr sempre
lo stesso output e consister sempre nella medesima sequenza di passi.
Propriamente linsieme di queste propriet determina una classe di
definizioni di algoritmi anzich esser essa stessa una definizione di che
cosa un algoritmo: differenze potrebbero discendere da formulazioni
specifiche o dettagliate di ogni condizione. leffettivit potrebbe essere
per esempio intesa come complessit polinomiale forte o debole: la ge-
neralit potrebbe essere specificata come la richiesta che tutti gli input
appartengano alla classe dei numeri naturali o alla classe dei numeri reali,
e cos via. si potrebbe inoltre discutere se la nozione di conclusivit,
che noi abbiamo ripreso da markov (1961), sia simile alla nozione di
determinismo o possa invece esserne distinta, come secondo noi nel caso
della caratterizzazione di gurevich degli algoritmi non deterministici
come una classe speciale di algoritmi interattivi
7
.
Alla luce delle osservazioni discusse nel 4, ci sembra comunque
possibile individuare, pur a questo livello di generalit, una distinzione
tra alcune propriet della nozione ristretta che la nozione ampia conser-
va e alcune propriet che possono essere riformulate in maniera meno
rigida o essere abbandonate del tutto. in particolare, la nozione ampia di
algoritmo potrebbe essere caratterizzata da finitezza, generalit, conclu-
sivit, e da una definizione pi liberale delleffettivit. Questultima
condizione deve comunque essere mantenuta almeno parzialmente, se
si vuole che lalgoritmo possa essere concretamente computabile da un
qualche tipo di macchina fisica; tuttavia, come si visto, non tutti gli
autori ritengono che la nozione di algoritmo sia indipendente dalla nozio-
ne di macchina. le condizioni di determinismo e definitezza potrebbero
essere abbandonate, in modo da includere anche algoritmi non determi-
nistici, algoritmi indefiniti che richiedono una qualche interpretazione
7
immagina di eseguire un algoritmo non deterministico. in uno stato dato, ci
potrebbero essere diverse alternative per la tua azione e potresti dover scegliere tra una
delle alternative disponibili. il programma di A ti dice di fare una scelta ma non ti d
istruzioni su come fare la scelta. [...] Qualunque cosa tu faccia, porterai qualcosa di
esterno allalgoritmo. in altre parole, lambiente attivo a compiere la scelta (gurevich
2000, 25). lalgoritmo di gurevich potrebbe essere conclusivo, perch una volta che la
scelta sia stata compiuta, loutput desiderato potrebbe essere certamente ottenuto; ma
tale algoritmo non deterministico, perch a seconda della scelta ci potrebbe essere
pi di una sequenza di passi che conduca dallinput alloutput. inoltre, lalgoritmo
potrebbe essere ancora definito, perlomeno nel senso che larbitrariet non dipende da
una formulazione ambigua dellalgoritmo che permetterebbe differenti interpretazioni,
bens dallintroduzione nellalgoritmo di qualcosa di esterno ad esso.
406
da parte del ricevente e in generale algoritmi non turing-computabili.
Abbandonare tali condizioni non significa certamente che tutte le parti
di un algoritmo potrebbero essere non definite o non deterministiche: al
contrario, per mantenere un qualche tipo di effettivit, presumibile che
porzioni rilevanti dellalgoritmo debbano comunque rimanere definite
e deterministiche.
6. UNA NOZIONE RISTRETTA E UNA NOZIONE AMPIA DI ARGOMENTO
dopo aver introdotto una distinzione concettuale generale tra una
nozione ristretta e una nozione ampia di algoritmo, consideriamo ora
alcune definizioni della nozione di argomento. ci ci sar di aiuto per
giungere ad una comprensione pi approfondita della premessa (3): in-
fatti, per poter discutere se gli argomenti possano essere espressi come
algoritmi, si dovrebbe prima esaminare attentamente quali nozioni di
algoritmo e di argomento siano in gioco.
nella storia della teoria dellargomentazione sono state offerte numero-
se definizioni di che cosa sia un argomento. Qui non possiamo presentare
una lista dettagliata di tali differenti definizioni, ma possiamo distinguere
due classi principali di definizioni. la prima classe contiene definizioni
che corrispondono a una nozione ristretta di argomento: i sillogismi
aristotelici e le rappresentazioni formali di inferenze deduttive, come
ad esempio le mosse dialogiche di lorenzen. le caratteristiche comuni
di tale nozione ristretta di argomento sono la rappresentazione formale,
il ruolo centrale giocato dalla deduzione come inferenza fondamentale
e la definizione di validit indipendente dal contesto. la seconda classe
contiene numerose definizioni che esprimono una nozione pi ampia
di argomento: ad esempio la concezione pragmatica sviluppata da van
eemeren e grootendorst (2004), gli schemi argomentativi sviluppati da
Perelman (1958), la forma procedurale di toulmin (1958). le defini-
zioni che appartengono a tale classe sono usualmente informali o solo
parzialmente formali, dipendenti dal contesto e basate su una diversi-
ficazione dei tipi di relazione che possono occorrere tra le premesse e
le conclusioni perch largomento sia valido: si accettano come valide
inferenze deduttive e induttive ma anche altri schemi, come lanalogia o
la relazione causale (es. Walton 1996; Walton, reed e macagno 2008).
la relazione tra le due classi di definizioni pu essere concepita in
modo diverso (Johnson e Blair 2002, 357; dAgostini 2010, 35). Alcuni
autori le considerano come due classi complementari: la definizione
informale di argomento opposta alla nozione formale, come se i due
concetti fossero radicalmente differenti e applicati a domini differen-
ti (scriven 1980). Altri autori concepiscono la nozione ampia come
unestensione della nozione ristretta che potrebbe essere parzialmente
o interamente formalizzata per mezzo di strumenti logici pi sofisticati:
407
logica non-monotonica, logica dialogica, logica di default, defeasibility,
e cos via (Woods et al. 2002).
seguendo la seconda interpretazione delle relazioni tra le due nozioni,
abbiamo altrove argomentato (cant e testa 2006, 18-21) che la nozione
ristretta potrebbe essere considerata non come un concetto radicalmente
opposto al primo, bens come una restrizione temporanea della nozione
pi ampia, utile al fine di migliorare la nostra comprensione della no-
zione di inferenza.
nella nostra prospettiva le coppie di opposti informale/formale,
sintassi/pragmatica e deduttivo/non-deduttivo possono essere lette come
relazioni di subordinazione anzich come relazioni di contrariet e la
logica informale pu essere considerata come unestensione o una li-
beralizzazione della logica formale. Argomenti espressi nel linguaggio
naturale sono pertanto informali non nel senso di assolutamente e per
principio non formali, ma piuttosto nel senso che essi sono solo parzial-
mente formalizzabili tramite gli strumenti logici a nostra disposizione.
la nozione ristretta di fatto utile per formalizzare certi argomenti
che rientrano nella nozione pi ampia, o perlomeno alcune parti di essi
(Woods e Walton 1982), cos come la nozione formale di argomento pu
essere utilizzata per ottenere una comprensione pi approfondita della
struttura di un ragionamento che non pu essere mai compiutamente
articolata nel linguaggio naturale, o almeno non nello stesso modo.
7. SOMIGLIANZE TRA ARGOMENTI E ALGORITMI
seguendo questa interpretazione, la storia delle relazioni tra le no-
zioni di argomento si rivela parzialmente simile alla storia delle relazio-
ni tra le nozioni di algoritmo. Una nozione intuitiva ampia ridotta alla
nozione ristretta per poter esser trattata formalmente, ma dopo qualche
tempo le limitazioni introdotte appaiono troppo restrittive e gli studiosi
iniziano a considerare la possibilit di un ampliamento, anche se la
nozione pi ampia pu essere solo parzialmente formalizzata o risulta-
re meno precisa.
ci sono diverse analogie tra il caso degli algoritmi e il caso degli
argomenti. in primo luogo, lo sviluppo della teoria dellargomentazio-
ne, e specialmente della logica informale quale reazione alla riduzio-
ne della nozione di argomento alla conseguenza logica, simile alla
critica della riduzione della nozione di algoritmo al trattamento delle
funzioni computabili. in secondo luogo, parecchie definizioni formali
di argomento sono state sviluppate con lo scopo di rendere pi precisa
la nozione intuitiva pi ampia, ma dopo qualche tempo sono state giu-
dicate insufficienti ad esprimere il ragionamento umano; analogamente
i modelli basati sulla nozione di funzione computabile da una macchina
di turing sono stati recentemente percepiti come troppo restrittivi per
408
esprimere tutte le possibilit della computazione umana, sebbene siano
ancora considerati come un motivo di interesse per la nozione ristretta
di algoritmo. in terzo luogo, come nel caso degli algoritmi, la nozione
ampia precede la nozione ristretta sia storicamente sia concettualmente,
sebbene la nozione ristretta possa essere ottenuta da quella ampia, posto
che certe condizioni siano modificate o abbandonate.
le somiglianze tra algoritmi e argomenti non riguardano solo la
storia delle loro definizioni. si possono osservare alcune somiglianze,
infatti, anche se si prendono in esame rispettivamente la relazione tra
le due nozioni ristrette di argomento e di algoritmo e la relazione tra le
due nozioni ampie. lattacco sferrato dai teorici dellargomentazione
alla premessa (3), vale a dire alla tesi che gli argomenti possano essere
espressi come algoritmi, era basato sulla comparazione della nozione
pi ampia di argomento con la nozione ristretta di algoritmo. ma se
ora si confronta la nozione ampia di argomento con la nozione ampia
di algoritmo, alcune somiglianze potrebbero aver bisogno di ulteriori
approfondimenti.
in primo luogo, la nozione pi ampia di argomento non incompa-
tibile con una rappresentazione per mezzo di diagrammi, grafi, forme
procedurali, e altri schemi inferenziali che possano essere espressi tramite
algoritmi. ci provato dal numero di articoli e di risultati prodotti nel
campo dellAi da studiosi che hanno sviluppato linterpretazione di
toulmin dellargomento come forma procedurale.
in secondo luogo, la particolare attenzione prestata in teoria dellar-
gomentazione alla pragmatica sta ora emergendo anche nella teoria
della computazione, specialmente nello sviluppo di algoritmi che hanno
bisogno di essere interpretati da sistemi multi-agente, le cui risorse e
conoscenza di sfondo dipendono dal grado di interazione tra gli agenti
stessi e tra il sistema e lambiente.
infine, linteresse per linterpretazione delle asserzioni dellinterlocu-
tore nella pratica argomentativa potrebbe essere confrontato in maniera
feconda con linterpretazione dellinformazione ricevuta da un agente in
un sistema complesso
8
. gli aspetti non deterministici e indefiniti della
nozione pi ampia di algoritmo potrebbero essere utilmente applicati
alla ricostruzione di certi aspetti delle pratiche argomentative umane.
Unindagine pi approfondita di queste e altre somiglianze tra la
nozione ampia di algoritmo e la nozione ampia di argomento potrebbe
gettar luce su un problema strettamente fondazionale che svilupperemo
nel prossimo paragrafo: vi sono aspetti specifici della razionalit uma-
8
Per una rassegna ampia e aggiornata dellinterazione tra argomentazione e sistemi
multi-agente si vedano in particolare la parte iii di rahwan e simari (2009) e reed e
norman (2004). lincremento delle ricerche e delle pubblicazioni in questo settore di
studi testimoniato daltra parte dai numerosi colloqui internazionali (es. commA,
ArgmAs e cmnA) o dalla nascita di riviste dedicate come Argument & computation.
409
na che spiegano le nostre pratiche argomentative e non possono essere
riprodotti dalla computazione meccanica di un sistema multi-agente?
8. CONCLUSIONE
la teoria dellargomentazione si parzialmente sviluppata alla luce
della credenza che in un argomento vi sia di pi che in un algoritmo,
ove si intende per generalmente che in un argomento in senso ampio
via sia di pi che in un algoritmo in senso stretto. seguendo questa via
facile sviluppare una strategia per confutare la tesi-Ai, vale a dire la
pretesa che il ragionamento argomentativo della mente umana possa
essere emulato dalla computazione di una macchina, perch facile
confutare la premessa (3). ma se si prende in esame una nozione pi
ampia di algoritmo, la premessa (3) potrebbe essere presentata in una
nuova formulazione: c qualcosa nella nozione pi ampia di argomento
che non potrebbe essere colto dalla nozione pi ampia di algoritmo?
tale domanda potrebbe ottenere una risposta differente, basata sugli
sviluppi recenti in logica (logica non-monotona, logica di default), in
Ai (sistemi multi-agente) e in teoria della computazione (algoritmi non
deterministici indefiniti). se la premessa (3) dellargomento introdotto
nel 2 non pu essere facilmente confutata, ci si potrebbe chiedere se
le strategie alternative per confutare la conclusione siano ancora prati-
cabili una volta abbandonata la premessa implicita per cui un algoritmo
sarebbe legato allo studio delle funzioni computabili da una macchina
di turing.
la pretesa che il ragionamento argomentativo della mente umana
potesse essere emulato da una singola macchina era principalmente
una questione riguardante la logica e la filosofia della mente, e non
una questione di teoria dellargomentazione, poich il ragionamento in
gioco in quellambito non era n dialettico n dialogico, ma piuttosto un
mero calcolo monologico. Perci possibile accettare la premessa (3)
e tuttavia negare la tesi-Ai. nella prefazione a Argumentation in Artifi-
cial Intelligence J. van Benthem adotta apparentemente questa strategia
quando rassicura logici, filosofi e teorici dellargomentazione dicendo
che non vi sono pi teorici dellintelligenza artificiale che credano che
le macchine possano emulare gli umani. le macchine sarebbero piuttosto
utili per migliorare la comprensione delle capacit umane:
la visione originale dellAi tendeva ad enfatizzare obiettivi poco appetibili,
se non terrificanti, come macchine che emulino umani [...] comprendere lar-
gomentazione significa comprendere un aspetto cruciale di noi stessi, magari
anche usare le macchine per migliorare le nostre prestazioni, aiutare noi umani
ad essere migliori in ci che siamo (rahwan e simari, 2009, viii).
410
Questa una mossa basata su un uso regolativo dellanalogia mente-
macchina e rende conto molto bene dellinteresse epistemologico delle
ricerche di intelligenza artificiale. tuttavia, anche se nessuno studioso
dellAi affermasse pi che una singola macchina pu emulare una singola
mente umana, si potrebbe sempre difendere una variante della tesi-Ai
riformulata alla luce degli sviluppi recenti di logica, teoria della compu-
tazione, Ai e teoria dellargomentazione. si potrebbe cio enunciare la
seguente tesi-Ai rivista alla luce della teoria dellargomentazione (At):
(tesi-AtAi) un sistema multi-agente pu emulare il ragionamento inte-
rattivo di diversi esseri umani.
sviluppi recenti delle applicazioni dellAi alla teoria dellargomen-
tazione suggeriscono che diversi aspetti intersoggettivi delle interazioni
umane argomentative possano essere simulati da algoritmi complessi
che funzionano su sistemi di macchine interagenti. il problema non
pi fino a che punto le attivit del cervello possano essere simulate da
un qualche apparecchio fisico, ma piuttosto la domanda perch lap-
plicazione dellAi alla teoria dellargomentazione sia cos feconda. Per
esempio, vi sono ricerche su algoritmi che producono nuovi argomenti,
e implementazioni riuscite di macchine in grado di apprendere sulla
base di argomenti.
Questo articolo non intende dare una risposta definitiva al problema,
ma piuttosto mostrare che la questione ancora aperta e non pu essere
facilmente liquidata come obsoleta e inaccettabile. Una volta riformulata,
lanalisi della tesi-AtAi potrebbe avere qualche effetto sulla fondazione
della teoria stessa dellargomentazione, come sosterremo nel seguito, dopo
aver brevemente esposto cosa intendiamo per questione fondazionale.
A nostro avviso le questioni fondazionali in teoria dellargomentazione
riguardano la creazione di un modello adeguato che possa essere utilizzato
per analizzare le pratiche argomentative: secondo la ricostruzione che
abbiamo proposto altrove (cant e testa 2006), un ruolo fondazionale
del genere potrebbe essere giocato dalle nozioni di dialettica, dialo-
go, intersoggettivit, pragmatica, ma anche da un qualche ideale
di razionalit argomentativa. Unaltra questione fondazionale rilevante
riguarda il superamento della frattura tra differenti tradizioni (inclusi gli
approcci formali e informali alla ricostruzione e alla valutazione degli
argomenti) al fine di ottenere un framework generale per lo sviluppo
degli studi sullargomentazione.
ora si osservi che linterazione tra sistemi multi-agente basata su
procedure di comunicazione che hanno forti somiglianze con le inte-
razioni dialettiche e dialogiche studiate in teoria dellargomentazione,
nella misura in cui essa basata sulla conoscenza distribuita e su vari
elementi pragmatici oltre che su aspetti sintattici e semantici. dunque
le nozioni di dialettica, dialogo, intersoggettivit e pragmatica giocano
411
un ruolo principale anche nelle applicazioni dellAi alla teoria dellar-
gomentazione. la questione allora se vi siano dei fondamenti per tali
somiglianze e se tali somiglianze impongano di prendere in considera-
zione i risultati dellAi nella definizione di tali concetti argomentativi.
in secondo luogo, se la computazione meccanica pu essere consi-
derata come strettamente argomentativa, allora gli aspetti rilevanti della
razionalit argomentativa potrebbero esser gi catturati dagli algoritmi di
un sistema multi-agente: dunque, chi intenda affermare che le pratiche
argomentative umane contengono una qualche specificit (la raziona-
lit dellargomentazione), dovrebbe esibire alcuni aspetti (diversi dalla
pragmatica e dallinterazione) che non possano esser catturati dallattivit
di un qualche sistema multi-agente: e questa, a nostro avviso, sarebbe
unimpresa fondazionale.
in terzo luogo, la tesi-AtAi, connessa alla distinzione da noi propo-
sta tra una nozione ampia e una nozione ristretta di algoritmo, potrebbe
suggerire una nuova e feconda via per superare la frattura tra approcci
formali e informali alla teoria dellargomentazione, fornendo un nuovo
framework che potrebbe includere entrambi gli approcci ma senza falsare
le loro differenze e peculiarit.
RIFERIMENTI BIBLIOGRAFICI
Blass A., dershowitz n. e gurevich Y. (2009), When are two algorithms the
same?, in Bulletin of symbolic logic, 15, 2, pp. 145-168.
Blass A. e gurevich Y. (2003), Algorithms: A quest for absolute definitions,
in Bulletin of european Association for theoretical computer science,
81, pp. 195-225.
cant P. e testa i. (2006), Teorie dellargomentazione, milano, Bruno mondadori.
chemla K. (2005), The interplay between proof and algorithm in 3rd century
China: The operation as prescription of computation and the operation
as argument, in P. mancosu, K.f. Jorgensen e s.A. Pedersen (a cura di),
Visualization, explanation and reasoning styles in mathematics, dordrecht,
springer, pp. 123-145.
cooper s., lwe B. e sorbi A. (a cura di) (2008), New computational para-
digms: Changing conceptions of what is computable, new York, springer.
dAgostini f. (2010), Verit avvelenata. Buoni e cattivi argomenti nel dibattito
pubblico, torino, Bollati Boringhieri.
eemeren f.H. van e grootendorst r. (2004), A systematic theory of argumentation.
The pragma-dialectical approach, cambridge, cambridge University Press.
gabbay d.m., Johnson r.H., ohlbach H.-J. e Woods J. (a cura di) (2002),
Handbook of the logic of argument and inference. The turn towards the
practical, Amsterdam, elsevier.
godel K. (1986), Kurt Gdel: Collected works. Vol. I: Publications 1929-1936,
oxford, clarendon Press.
gdel K. (1990), Kurt Gdel: Collected works. Vol. II: Publications 1938-1974,
oxford, clarendon Press.
412
govier t. (1987), Problems in argument analysis and evaluation, dordrecht, foris.
gurevich Y. (2000), Sequential abstract state machines capture sequential al-
gorithms, in Acm transactions on computational logic, 1, pp. 77-111.
gurevich Y. (2012). What is an algorithm?, in m. Bielikova, g. friedrich, g.
gottlob, s. Katzenbeisser e g. turn (a cura di), SOFSEM 2012: Theory
and practice of computer science, Berlin-Heidelberg, springer, pp. 31-42.
gurevich Y. (in stampa), Foundational analyses of computation, in How the
world computes. Turing Centenary Conference and 8
th
Conference of com-
putability in Europe, CIE 2012, cambridge, UK, springer, pp. 264-275.
Johnson r.H. e Blair J.A. (2002), Informal logic and the reconfiguration of
logic, in d.m. gabbay, r.H. Johnson, H.-J. ohlbach e J. Woods (a cura
di), Handbook of the logic of argument and inference. The turn towards
the practical, Amsterdam, elsevier, pp. 339-396.
Knuth d.e. (1997), The art of computer programming. Vol. 1, reading, mA,
Addison-Wesley.
lorenzen P. e lorenz K. (1978), Dialogische Logik, darmstadt, Wissenschaft-
liche Buchgesellschaft.
markov A.A. (1961), Theory of algorithms, Jerusalem, the israel Program for
scientific translations.
moschovakis Y. (2001), What is an algorithm?, in B. engquist e W. schmid (a
cura di), Mathematics unlimited 2001 and beyond, new York, springer,
pp. 919-936.
moschovakis Y.n. e Paschalis V. (2008), Elementary algorithms and their
implementations, in s.B. cooper, B. lwe e A. sorbi (a cura di), New
computational paradigms: Changing conceptions of what is computable,
new York, springer, pp. 87-118.
Perelman c. e olbrechts-tyteca l. (1958), Trait de largumentation. La nou-
velle rhtorique, Paris, Presses Universitaires de france.
rahwan i. e simari g.r. (2009), Argumentation in artificial intelligence, dor-
drecht, springer.
reed c. e norman t. (a cura di) (2004), Argumentation machines. New frontiers
in argument and computation, Berlin, springer.
scriven m. (1980), The philosophical significance of informal logic, in J.A.
Blair e r.H. Johnson (a cura di), Informal logic: The first international
symposium, inverness, cA, edgepress, pp. 148-160.
sieg W. (2008), Church without dogma. Axioms for computability, in s.B. cooper,
B. lwe e A. sorbi (a cura di), New computational paradigms: Changing
conceptions of what is computable, new York, springer, pp. 139-152.
sipser m. (2006), Introduction to the theory of computation, Boston, mA, PWs.
toulmin s. (1958), The uses of argument, cambridge, cambridge University
Press.
toulmin s. (2001), Return to reason, cambridge, mA, Harvard University Press.
turing A.m. (1937), Computability and definability, in Journal of symbolic
logic, 2, pp. 153-163.
Uspensky V.A. e semenov A.l. (1993), Algorithms: Main ideas and applica-
tions, dordrecht, Kluwer.
van Benthem J. (2009), One logicians perspective on argumentation, in co-
gency, 1, 2, pp. 13-25.
Venn J. (1881), Symbolic logic, london, macmillan & co.
413
Walton d. (1996), Argumentation schemes for presumptive reasoning, newark,
n.J., erlbaum.
Walton d., reed c. e macagno f. (2008), Argumentation schemes, cambridge,
cambridge University Press.
Woods J., Johnson r.H., gabbay d. e ohlbach H.J. (2002), Logic and the
practical turn, in d.m. gabbay, r.H. Johnson, H.-J. ohlbach e J. Woods
(a cura di), Handbook of the logic of argument and inference. The turn
towards the practical, Amsterdam, elsevier, pp. 1-40.
Woods J. e Walton d.n. (1982), Argument. The logic of fallacies, toronto,
mcgraw-Hill.
Una versione precedente di questo paper stata presentata con il titolo Algorithms
and arguments. the foundational role of the AtAi-Question, in occasione della Seventh
International Conference of the International Society for the Study of Argumentation,
June 29 July 2, 2010, in f.H. van eemeren, B.J. garssen, d. godden e g. mitchell (a
cura di), Proceedings of the 7th Conference of the International Society for the Study
of Argumentation, rozenberg/sic sat, Amsterdam, 2011 [cd-rom], pp. 192-203. Ben-
ch larticolo sia opera comune, a Paola cant si devono i paragrafi 1-5, a italo testa
i paragrafi 6-8.
Paola Cant, Universit Aix-Marseille / CNRS, Centre dEpistmologie et Ergologie
Comparative, 29 avenue Robert Schuman, 13621 Aix-en-Provence Cedex 1. E-mail:
paola.cantu@univ-amu.fr
Italo Testa, Dipartimento di Filosofia, Universit di Parma, Via DAzeglio 85/a, 43125
Parma. E-mail: italo.testa@unipr.it