Uomini in erba

Gli uomini muoiono,
L’erba muore,
gli uomini sono erba.
G.Bateson (“Mente e Natura», 1979)

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. La sperimentazione ha permesso di 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.

Nel contesto della teoria della complessità, Gregory Bateson, antropologo e pensatore britannico, 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 (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.

La sperimentazione ha visto la simulazione del 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.

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.

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. Grillo, M. (2025). Uomini in Erba: Esperimenti di Morfogenesi Digitale. www.manuelgrillo.com

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.

Interpretazione globale della simulazione:

La simulazione è costruita come una rappresentazione visiva di due processi concorrenti: La crescita delle erbacce, che viene rappresentata dalla transizione da nero a rosso.

La distribuzione del fertilizzante, che viene rappresentata dalla transizione da verde a blu. Ogni cella della griglia cambia il suo colore in funzione dei valori di fertilizzante ed erbacce, creando un’animazione che simula l’interazione dinamica tra questi due elementi.

Un maggiore valore di erbacce potrebbe sopraffare il fertilizzante, mentre un aumento del fertilizzante potrebbe favorire la crescita delle piante, influenzando la dinamica della simulazione.

Interpretazione in termini di teoria dei giochi evolutiva:

Ogni cella della griglia rappresenta una piccola “arena” di gioco dove la crescita delle piante e delle erbacce dipende dalla “strategia” che ogni gruppo adotta.

I parametri come growthRate e decayRate sono le “strategie” che determinano il comportamento di ciascun gruppo, mentre la “risorsa” limitata è il fertilizzante (che le piante cercano di sfruttare per crescere), mentre le erbacce competono per lo stesso nutrimento.

La simulazione può essere vista come una serie di “giocatori” che cambiano dinamicamente il loro comportamento (tasso di crescita o decadimento) in risposta al comportamento dell’altro gruppo, proprio come in un gioco evolutivo.

In sintesi:

La simulazione descritta nel codice può essere interpretata attraverso il modello della teoria dei giochi, in cui le piante e le erbacce competono per risorse limitate, con strategie che evolvono nel tempo in risposta alle condizioni ambientali.

Sebbene non si tratti di un “gioco” formale nel senso matematico del termine, la dinamica di competizione e adattamento tra le piante e le erbacce offre una rappresentazione interessante delle interazioni competitive e strategiche, concetti chiave nella teoria dei giochi.

Giardini, uomini, città: Una Metafora Interagente
L’esperimento del giardino digitale rappresenta una metafora potente, seppur semplificata, per comprendere la vita come un sistema complesso, in cui innumerevoli variabili interagiscono continuamente. Nel caso specifico, il programma seppure adeguato per gli obiettivi di questa sperimentazione, manca di quelle variabili tipiche di un sistema complesso, come il rumore stocastico e le oscillazioni periodiche.

In questo contesto, si può facilmente tracciare un parallelismo: così come il fertilizzante nutre un giardino, l’educazione, una buona alimentazione e le esperienze positive rappresentano simbolicamente i comportamenti sani di un essere umano. Al contrario, se le erbacce fossero intese come malattie, stress e abitudini distruttive, queste porterebbero a un progressivo deterioramento del sistema “uomo”.

Allo stesso modo, sostituendo i comportamenti salutari con i finanziamenti pubblici e le abitudini nocive con l’abbandono e il degrado urbano, il sistema non sarebbe più un organismo umano, ma una città o un quartiere. Il suo stato di salute dipenderebbe dalla cura e dagli investimenti ricevuti o, viceversa, dalla trascuratezza e dal degrado a cui viene lasciato.

Da questa analogia emerge come giardino, essere umano e città possano essere considerati sistemi equivalenti. Se nel primo l’unità elementare è lo stelo d’erba, nel secondo sono le cellule e nel terzo la singola unità abitativa. Se nel giardino si parla di stato di salute del verde, nell’organismo umano di benessere fisico e nella città di qualità della vita urbana, si può dunque intendere l’urbanizzazione come l’equivalente del mantenimento di un sistema sano.

Questa sperimentazione, che merita ulteriori approfondimenti, raggiunge il suo obiettivo nel dimostrare come sistemi complessi, apparentemente distanti, possano condividere le stesse regole di funzionamento, gli stessi pattern di diffusione e crescita.

Comprendere queste dinamiche ci spinge a riflettere sul nostro ruolo all’interno di sistemi più ampi e interconnessi. È un passo in avanti nella ricerca di quella struttura che connette, un concetto che, attraverso la nozione di copia, ci aiuta a individuare schemi e relazioni universali.

Manuel Grillo

nota alle immagini (1-3-5-6-7): Alcuni modelli derivano dall’interazione dei morfogeni. In blu, il fertilizzante rappresenta l’agente attivante, la cui presenza porta a piante sane (in verde), mentre in rosso, le erbacce, rappresentano l’agente inibitore. In nero, il terreno arido.

Riferimenti bibliografici
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.