Gli uomini muoiono.
L’erba muore.
Gli uomini sono erba.
G. Bateson
Abstract
Se gli uomini muoiono e l’erba muore, allora, per similitudine logica, gli uomini sono erba. Questo sillogismo, che Bateson definisce “in erba”, ha ispirato lo scrivente a replicare in laboratorio i processi generativi alla base delle forme naturali.
Prendendo spunto dalla morfogenesi di Alan Turing, che nel 1952 descrisse i processi chimici responsabili della formazione di pattern (come le strisce delle zebre), la sperimentazione condotta nel gennaio 2025 ha portato alla riproduzione digitale e alla visualizzazione dei dati relativi alle fasi di accrescimento e decadimento degli steli d’erba di un giardino. Le regole generative alla base di questi processi sono state implementate grazie alla teoria dei morfogeni di Turing, che è stata utilizzata per impostare il codice e costruire il sistema digitale.
Grazie alla scrittura del software, è stato possibile simulare i cicli vitali di un giardino digitale e osservare i pattern emergenti, approfondendo così la comprensione delle dinamiche sottese alla generazione delle forme naturali.
Bateson e la Teoria della Complessità: Gli Uomini Sono Erba
Nel contesto della teoria della complessità, Gregory Bateson, antropologo e pensatore statunitense, ha elaborato il concetto di “sillogismo in erba”, un’idea che intreccia natura, vita e informazione in una danza interconnessa. Con il sillogismo in erba, per cui “gli uomini” diventano, secondo le regole del sillogismo socratico, “erba”, si propone una potente intuizione sul nostro legame con la natura e i meccanismi evolutivi universali.
La nostra esistenza, la nostra evoluzione e la nostra crescita sono modellate da leggi e dinamiche simili a quelle che regolano la crescita delle piante. Come l’erba si nutre di luce, acqua e terra per crescere, anche gli esseri umani si trasformano attraverso l’interazione continua con l’ambiente e le forze che lo circondano. Bateson sottolinea che questa interazione è cruciale e che essa può essere applicata tanto al nostro contesto umano quanto a quello vegetale.
La Morfogenesi di Alan Turing
La morfogenesi — il processo attraverso cui si formano le strutture viventi — è un campo che si collega strettamente alla visione complessa e interconnessa di Bateson. Alan Turing, con il suo lavoro del 1952, ha descritto come le leggi che governano la crescita degli organismi siano analoghe a quelle che regolano i sistemi complessi. Queste leggi si basano sull’interazione tra due agenti chimici fondamentali: un attivatore e un inibitore.
La forma assunta da un essere vivente — che sia una pianta, un animale o un essere umano — è il risultato di un processo di auto-organizzazione. Questo processo segue schemi derivanti dall’interazione chimica degli agenti sopra citati. Nel contesto della teoria della complessità, le informazioni che regolano queste interazioni diventano la base di tutta la realtà, in cui anche minime variazioni possono portare a dinamiche complesse e imprevedibili.
Funzionamento del Codice
Il software, scritto in Processing, è stato progettato per simulare il ciclo vitale di un giardino digitale utilizzando le leggi della morfogenesi di Turing come guida. Le equazioni matematiche alla base del codice riproducono i processi di crescita e decadimento degli steli d’erba, offrendo una rappresentazione dinamica di un sistema biologico complesso.
Elementi chiave del codice:
- Equazioni della morfogenesi di Turing: definite per modellare l’interazione tra attivatori e inibitori nel sistema.
- Parametri iniziali: il fertilizzante in blu (fattori positivi) e le erbacce in rosso (fattori negativi) sono impostati come input dinamici che influenzano i processi di crescita.
- Visualizzazione grafica: resa attraverso Processing, permette di osservare in tempo reale i pattern emergenti.
Grazie all’implementazione di questi elementi, è stato possibile simulare l’evoluzione del sistema e analizzare come le interazioni tra i vari fattori determinassero i risultati finali. Il codice, infatti, consente di esplorare il modo in cui i pattern complessi emergono da regole semplici, fornendo uno strumento per comprendere meglio le dinamiche della morfogenesi naturale.
Alcuni pattern derivati dall’interazione dei morfogeni. In blu il fertilizzante rappresenta l agente attivatore, dalla cui presenza derivano le piante sane (in verde), mentre in rosso, le erbacce, l’agente inibitore. In nero il terreno arido.
Il Codice: una descrizione cromatica
Il codice produce un’animazione che tramite 4 diversi slider, viene manipolata al fine di permettere o meno alle piante (in verde) di diffondersi.
I 4 parametri sono: la diffusione del fertilizzante (blu), la diffusione delle erbe infestanti (rosso), la velocità di crescita delle piante sane (verde) e il tasso di decadimento, le malattie (nero). Segue la spiegazione in dettaglio, della parte di codice che determina le cromie del programma una volta avviato.
Estratto Codice, dettaglio
if (wValue > fValue) { fill(lerpColor(color(0, 0, 0), color(255, 0, 0), wValue)); // Erbacce: dal nero al rosso } else { fill(lerpColor(color(0, 255, 0), color(0, 0, 255), fValue)); // Fertilizzante: dal verde al blu } rect(x * cellWidth, y * cellHeight, cellWidth, cellHeight);
Erbacce:
fill(lerpColor(color(0, 0, 0), color(255, 0, 0), wValue)); // Erbacce: dal nero al rosso
Qui, il colore delle erbacce (wValue) viene determinato dal valore di wValue, che varia tra 0 e 1:
Quando wValue è 0, il colore risultante sarà nero (color(0, 0, 0)). Quando wValue è 1, il colore risultante sarà rosso (color(255, 0, 0)). Per valori intermedi di wValue, il colore sarà una gradazione di nero verso il rosso. Ad esempio, un valore di 0.5 produrrà un colore che si avvicina al mezzo tra il nero e il rosso.
Fertilizzante:
fill(lerpColor(color(0, 255, 0), color(0, 0, 255), fValue)); // Fertilizzante: dal verde al blu
Qui, il colore del fertilizzante (fValue) viene determinato dal valore di fValue, che anche questo varia tra 0 e 1:
Quando fValue è 0, il colore risultante sarà verde (color(0, 255, 0)). Quando fValue è 1, il colore risultante sarà blu (color(0, 0, 255)). Per valori intermedi di fValue, il colore sarà una gradazione di verde verso il blu. Ad esempio, un valore di 0.5 produrrà un colore che si avvicina al mezzo tra verde e blu.
Alcuni pattern derivati dall’interazione dei morfogeni. In blu il fertilizzante rappresenta l agente attivatore, dalla cui presenza derivano le piante sane (in verde), mentre in rosso, le erbacce, l’agente inibitore. In nero il terreno arido.
Interpretazione cromatica in relazione alla simulazione
Erbacce:
Le celle con un valore di wValue elevato (vicino a 1) appariranno rosse, indicando una crescita abbondante di erbacce.
Le celle con un valore di wValue basso (vicino a 0) appariranno nere, indicando l’assenza di erbacce.
Una transizione tra il nero e il rosso suggerisce la dinamica di crescita delle erbacce in base al loro “spread” (diffusione) e ai fattori influenti.
Fertilizzante:
Le celle con un valore di fValue elevato (vicino a 1) appariranno blu, suggerendo una presenza elevata di fertilizzante.
Le celle con un valore di fValue basso (vicino a 0) appariranno verdi, indicante la scarsa presenza di fertilizzante.
La gradazione tra verde e blu rappresenta l’interazione tra fertilizzante e piante, con l’intensificarsi del fertilizzante che potrebbe favorire la crescita della vegetazione.
Il Giardino e la Vita Umana: Una Metafora Interagente
L’esperimento del giardino digitale rappresenta una metafora potente per comprendere la vita umana come un sistema complesso, in cui innumerevoli variabili interagiscono continuamente. In questo contesto, il fertilizzante del giardino può essere simbolicamente paragonato ad elementi come l’educazione, la nutrizione e le esperienze positive, mentre le erbacce rappresentano malattie, stress e abitudini distruttive.
Proprio come nel giardino digitale, la vita umana è caratterizzata da un delicato equilibrio tra fattori costruttivi e distruttivi, che influenzano il nostro accrescimento o decadimento. La comprensione di queste dinamiche — resa possibile dall’utilizzo delle leggi della morfogenesi — ci invita a riflettere sul nostro ruolo all’interno di sistemi più ampi e interconnessi.
Bibliografia
- Bateson, G. (1972). Steps to an Ecology of Mind. Chandler Publishing Company.
- Turing, A. M. (1952). “The Chemical Basis of Morphogenesis”. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences, 237(641), 37-72.
Note a Margine
- 1 Gregory Bateson esplora le connessioni tra natura, mente e cultura nel suo libro Steps to an Ecology of Mind. Il sillogismo “in erba” rappresenta un esempio del suo approccio sistemico alla comprensione della realtà.
- 2 Alan Turing, nel suo articolo del 1952, ha gettato le basi teoriche per lo studio della formazione dei pattern biologici, aprendo nuove prospettive nella biologia computazionale.
- 3 L’implementazione del codice ha permesso di tradurre in simulazioni grafiche le leggi matematiche della morfogenesi, rendendo visibile l’evoluzione dinamica del sistema.
