Global South Insights | RedMarx: insegnare all’IA a leggere Marx dialetticamente

Il testo seguente è stato realizzato da Global South Insights, un progetto che opera all’interno della rivista Tricontinental ed è stato pubblicato nella sezione Bandung Circuit (RedMarx: Teaching AI to Read Marx Dialectically). La traduzione è stata realizzata da DeepSeek e non è stata revisionata.

Leggere Marx dialetticamente non è un compito che un’IA generica può svolgere — perciò Global South Insights ha costruito un sistema che recupera l’argomento, non un suo riassunto.

Qual è il rapporto tra la socializzazione del lavoro e l’aumento della composizione organica del capitale?

Immaginiamo Mariana, un’economista politica a San Paolo incaricata dal Movimento dei Lavoratori Senza Terra (MST) di approfondire proprio questa questione per l’educazione politica del movimento. Oltre a studiare il canone, sottopone la domanda a uno strumento di IA come ChatGPT o Gemini. Questo restituisce un tipo di risposta familiare: una definizione dei termini, un riassunto ordinato del rapporto e un cenno all’attualità. Ma per una ricercatrice che deve rendere conto a un movimento come l’MST, non è sufficiente.

Questo fallimento non sorprende. Una risposta seria alla domanda è più complicata di quanto appaia inizialmente. Non può essere una definizione. Deve tracciare lo sviluppo di una delle intuizioni centrali di Marx: che la crescente produttività sociale del lavoro cooperativo è, nello stesso movimento, il processo attraverso cui quel potere produttivo viene strappato ai produttori e rivolto contro di loro come capitale. Una risposta significativa deve mantenere aperta una contraddizione invece di risolverla in un riassunto ordinato. Deve anche rimanere fedele a ciò che Marx ha effettivamente scritto, attraverso i Grundrisse (1857–1858), il Manoscritto economico del 1861-63 e i tre volumi del Capitale (1867–1894), testi a cui è tornato per più di due decenni.

Una domanda come quella di Mariana mostra, in un solo colpo, perché il corpus marxista sconfigge il normale assistente IA e cosa servirebbe per costruirne uno che non lo faccia. RedMarx, il sistema presentato in questo articolo, è costruito per affrontare esattamente questa sfida.

Il pensiero marxista è una delle tradizioni intellettuali più influenti degli ultimi due secoli. In tutto il mondo, e specialmente nelle istituzioni di ricerca del Sud del mondo, rimane un quadro di lavoro vivo piuttosto che una curiosità accademica. L’economia politica marxista fornisce le categorie attraverso cui i ricercatori leggono le crisi agrarie, le economie estrattive, gli stati finanziarizzati, i regimi del lavoro e la divisione internazionale del lavoro.

Eppure chiunque abbia provato a fondare un’analisi direttamente sulle fonti marxiste conosce la difficoltà.

Il corpus è vasto. Le opere complete di Marx ed Engels da sole ammontano a decine di volumi e milioni di parole, moltiplicate molte volte da Lenin, Lussemburgo, Gramsci, Mariátegui, Mao, Nkrumah, Jones, First, Amin e altri. Le categorie stesse sono dialettiche: ‘valore’, ‘classe’, ‘stato’, ‘imperialismo’ e molte altre non hanno una definizione statica ma acquisiscono il loro significato attraverso le relazioni che descrivono e il momento storico in cui vengono impiegate. Una ricercatrice come Mariana non può semplicemente citare una frase del Capitale (1867–1894) e considerare la questione risolta. Deve sapere quale formulazione usare, da quale opera, in quali condizioni, e come gli autori successivi l’hanno estesa o contestata.

I modelli linguistici di grandi dimensioni cambiano i termini del problema, ma solo a condizioni rigorose. Una ricercatrice non ha più bisogno di cercare manualmente in ogni pagina di ogni volume rilevante per verificare come un concetto viene trattato nell’intero corpus, se, e solo se, dispone di un sistema che ricerca fedelmente le opere originali, porta alla luce i passaggi rilevanti e tiene traccia dell’origine di ogni affermazione. La clausola ‘se e solo se’ è cruciale. Un chatbot generico parafraserà, riassumerà e, come ormai ben documentato, inventerà: uno studio ampiamente citato ha rilevato che il 55% delle citazioni bibliografiche generate da ChatGPT-3.5 erano completamente inventate.

Inoltre, uno strumento significativo deve produrre analisi dialettiche, non riprodurre libri. Deve ragionare sul corpus e restituire il proprio argomento, indicando al lettore dove ogni affermazione può essere verificata invece di ristampare lunghi passaggi delle opere originali. Il risultato deve essere interpretativo: una linea di ragionamento che la ricercatrice possa sostenere, mai una copia sostitutiva della fonte.

Queste domande meritano più di quanto un chatbot generico possa offrire, e così Global South Insights (GSI), un progetto di ricerca del Tricontinental: Institute for Social Research, ha sviluppato RedMarx per soddisfare questa esigenza. RedMarx è un sistema di ricerca configurato per il lavoro nella tradizione marxista. Le sezioni che seguono spiegano il problema che è stato costruito per risolvere, l’architettura sviluppata da GSI e le evidenze del suo utilizzo.

1. Il problema che RedMarx è costruito per risolvere

Nessuno strumento di ricerca serio può essere costruito sulla promessa che l’IA semplicemente ‘leggerà Marx per te’. La difficoltà non è solo che il corpus è vasto, ma che gli strumenti generici falliscono in modi prevedibili quando lo incontrano. Appiattiscono il movimento dialettico in definizioni, confondono l’interpretazione successiva con la voce primaria, appianano le dispute politiche e traduttive e scambiano il recupero per comprensione.

1.1 Perché il corpus marxista resiste all’IA generica

L’IA generica fallisce innanzitutto appiattendo lo sviluppo in definizione. Il trattamento dello stato ne Il 18 brumaio di Luigi Bonaparte (1852) non è lo stesso de La guerra civile in Francia (1871), e nessuno dei due corrisponde direttamente alle riformulazioni di Lenin in Stato e rivoluzione (1917). Nei Grundrisse (1857–1858), ‘contraddizione’ ha un senso hegeliano di motore dello sviluppo; nel Volume I del Capitale (1867), diventa una tendenza strutturale alla crisi. Uno strumento di ricerca utile deve tenere queste formulazioni affiancate, riconoscere la loro specificità storica e tracciare come si sviluppa una categoria, invece di collassarle in un’unica parafrasi media.

Prendiamo una singola domanda posta a due sistemi: come fa una merce a esprimere il suo valore in un’altra? Google NotebookLM, confrontato con RedMarx, ha risposto con una frase ordinata – nella forma semplice, ‘la giacca serve come equivalente particolare per il lino, riflettendo il valore del lino nella forma corporea della giacca’ – e poi è andato avanti. L’affermazione è accurata e inerte. La forma equivalente è stata nominata e poi lasciata come un fatto statico dello scambio.

RedMarx, posta la stessa domanda, non si è fermato alla denominazione della forma equivalente. Ha dispiegato quelle che Marx chiamava le tre peculiarità della forma equivalente come una catena di rovesciamenti: il valore d’uso ‘diventa la forma di manifestazione, la forma fenomenica del suo opposto, il valore’; il lavoro concreto ‘diventa la forma sotto cui si manifesta il suo opposto, il lavoro umano astratto’; e il lavoro privato ‘prende la forma del suo opposto, il lavoro direttamente sociale nella sua forma’. Ogni passo è una determinazione particolare, concreta, privata che sta per il suo opposto universale, astratto, sociale – e solo tracciando questo movimento il ‘carattere enigmatico della forma equivalente’ viene in luce, insieme alla sua connessione con la forma-denaro (Capitale, Volume I (1867), Capitolo 1, Sezione 3).

Un sistema menziona la forma equivalente mentre l’altro mostra perché essa è il seme della forma-denaro. Quel divario, tra un’etichetta e una catena logica, è esattamente il divario che gli strumenti generici non possono colmare su un corpus dialettico.

Un secondo fallimento deriva dalla tendenza di uno strumento generico a mescolare silenziosamente il commento successivo nella voce primaria, presentando una lettura degli anni ’70 come se fosse quella di Marx. Per una ricercatrice, questa distinzione conta perché ha bisogno di sapere se una categoria è stata formulata da Marx, estesa da Lenin, Lussemburgo o Amin, ricostruita attraverso la teoria della dipendenza, o dibattuta nella borsa di studio contemporanea.

Infine, il corpus è politicamente contestato, e gran parte di esso esiste solo in traduzione, dove la scelta delle parole è essa stessa un atto politico. Ci sono edizioni di parte, traduzioni ostili e tradizioni teoriche che trattano gli stessi testi in modi fondamentalmente incompatibili. Un sistema di ricerca che appiana queste tensioni in nome della produzione di una risposta sicura finisce per fuorviare il ricercatore.

La durezza di questi fallimenti è diventata chiara nel modo più difficile. Nei primi esperimenti di GSI, il sistema recuperava i passaggi corretti dai testi corretti, e gli esperti umani valutavano comunque le risposte come scadenti e negligenti nel modo in cui trattavano i concetti marxisti. Il problema non era il recupero ma l’interpretazione. Estratto dalla borsa di studio circostante, un passaggio isolato di Marx lascia anche un modello capace a ragionare da primi principi piuttosto che dalla comprensione consolidata di ciò che il passaggio significa. Legge le parole al loro valore letterale, in un inglese piano, senza il senso tecnico che la tradizione ha dato loro, e perde il contesto concettuale che rende il passaggio intelligibile. Risolvere questo problema si è rivelato richiedere il resto del sistema descritto di seguito.

1.2 Ciò di cui i ricercatori hanno effettivamente bisogno

In pratica, un ricercatore che si avvicina al corpus marxista ha bisogno di quattro cose che gli strumenti di IA generica non forniscono, ciascuna affrontata nella Sezione 2. La prima è il recupero fedele dei passaggi originali piuttosto che la parafrasi. Quando una sezione di un articolo si basa sull’argomento di Marx nei Grundrisse (1857–1858), il ricercatore ha bisogno del paragrafo effettivo, nel contesto, con il suo capitolo e la sua sezione identificati. Questo è il compito del recupero MetaRAG (Sezione 2.2).

La seconda è un impalcatura analitica dialettica e storicamente consapevole, un modo per vedere la struttura concettuale della domanda prima della stesura, includendo quali categorie sono in gioco, come si relazionano, quali formulazioni precedenti sono fondamentali e quali sviluppi successivi le estendono o le rivedono. Questo è il lavoro del grafo della conoscenza (Sezione 2.1). La terza è l’interpretazione ancorata alla borsa di studio consolidata piuttosto che al ragionamento da zero, in modo che il sistema legga un passaggio come lo legge il campo invece di leggere un frammento isolato senza il contesto concettuale che gli dà significato. Questo è il lavoro del ciclo di ricerca e delle sue competenze incorporate (Sezione 2.3). La quarta è la citazione tracciabile a livello di sezione nel prodotto finale, in modo che qualsiasi lettore o revisore possa seguire ogni affermazione fino al passaggio esatto che la supporta. Questa è una precondizione per un lavoro accademico e politico serio (Sezione 2.4).

RedMarx è costruito attorno a questi requisiti, applicandoli in proporzione al compito. L’obiettivo non è trasformare ogni frase in un controllo fattuale forense, come si farebbe per un rapporto fattuale, ma fornire al ricercatore una base rigorosamente documentata per un pensiero dialettico profondo su una teoria complessa.

2. Come funziona RedMarx

RedMarx prende una domanda di ricerca come input e produce un rapporto di ricerca come output. RedMarx è costruito su MetaRAG – l’infrastruttura istituzionale di generazione aumentata da recupero (RAG) di GSI – configurata per il lavoro nella tradizione marxista. MetaRAG è ‘meta’ in un senso preciso. Piuttosto che agire come un singolo agente di ricerca, è il livello che costruisce agenti di ricerca su richiesta. Di fronte a una domanda, sonda la conoscenza disponibile, calcola ciò che una risposta forte richiederebbe e assembla la giusta combinazione di strategie di ricerca, analisi e scrittura per quella particolare domanda.

Nell’architettura di GSI per l’IA nelle Scienze Sociali, MetaRAG è il substrato di recupero e aumento verificato su cui sono costruiti i sistemi di ricerca dell’istituto; RedMarx è ciò che quel substrato diventa quando un team di ricerca lo punta su un particolare corpo di conoscenza e lo modella con i concetti propri di quel campo. Con la metodologia e la toolchain di MetaRAG, un esperto del dominio che fornisce buon materiale di partenza, un solido quadro analitico e un grafo della conoscenza accuratamente costruito può costruire un motore di ricerca sistematico proprio, senza scrivere codice. La domanda di Mariana, sul rapporto tra socializzazione del lavoro e aumento della composizione organica del capitale, offre un filo utile per seguire ciò che accade in mezzo, incluso il ruolo che gli esperti umani svolgono nel plasmare il sistema in ogni fase.

2.1 Il grafo della conoscenza: uno scheletro dialettico per l’analisi

La caratteristica più distintiva di RedMarx è l’uso di un grafo della conoscenza concettuale stratificato dell’economia politica marxista, che funge da scheletro analitico per ogni domanda di ricerca.

Quando RedMarx riceve una domanda, non inizia cercando nel corpus ma ragionando sul grafo della conoscenza. Il grafo codifica le principali categorie dell’economia politica marxista – valore, lavoro, capitale, classe, stato, imperialismo, modo di produzione e altri – come una struttura relazionale stratificata piuttosto che un insieme di etichette piatte. Le categorie sono organizzate gerarchicamente dal generale allo specifico, dialetticamente attraverso gli opposti e gli sviluppi di un concetto, e storicamente attraverso la riformulazione di una categoria attraverso periodi e tradizioni. Queste relazioni sono tratte da un vocabolario controllato di predicati delle scienze sociali – ‘contraddice’, ‘media’, ‘riproduce’, ‘mercifica’, ‘aliena’, ‘sfrutta’, ‘determina’, ‘si trasforma in’ e altri – in modo che il grafo catturi relazioni genuinamente marxiste piuttosto che generici collegamenti ‘è-correlato-a’.

Per la domanda di Mariana, il grafo produce uno scheletro prima che qualsiasi testo venga recuperato: la socializzazione del lavoro sta come il contenuto sociale reale, mentre la composizione organica del capitale – il rapporto tra l’investimento di un’impresa in macchinari e materiali e il suo investimento in lavoro – è la sua espressione in forma di valore. I due sono collegati attraverso la cooperazione, il macchinario e la divisione del lavoro alla concentrazione e centralizzazione del capitale, e da lì alla tendenza del saggio del profitto a cadere. Questa struttura è il piano analitico, l’impalcatura dialetticamente e storicamente consapevole su cui pende il resto della ricerca.

Il grafo, una mappa analitica accuratamente costruita piuttosto che un dizionario, è costruito e mantenuto dagli esperti del dominio di GSI per riflettere la struttura effettiva della tradizione. Qui è dove il lavoro esperto è più concentrato, e due caratteristiche meritano enfasi. La prima è la disambiguazione storica: ogni concetto porta un’annotazione temporale – una categoria tracciata come ‘1844 ? 1857 ? 1867’, per esempio – così il grafo può distinguere la formulazione iniziale da quella matura invece di farne una media. La seconda è la suddivisione dei sensi, quando lo stesso termine appare in due contesti teorici distinti con poca sovrapposizione di significato. In tali casi, il grafo lo divide in sensi separati piuttosto che fonderli, permettendo al sistema di rispettare il movimento dialettico del vocabolario di Marx invece di cancellarlo. L’impatto di questa cura esperta è stato evidente quando GSI ha provato a estrarre concetti da un dato documento sorgente. Quando guidato da un’ontologia generica predefinita, il pipeline di estrazione ha prodotto solo una manciata di concetti, mentre l’ontologia marxista costruita appositamente ha aiutato a estrarre diverse centinaia di concetti dallo stesso testo.

Questo passaggio è importante perché rende visibili le assunzioni analitiche del sistema, permettendo a Mariana di ispezionare lo scheletro prima che avvenga qualsiasi recupero e di modificarlo se una categoria manca o è fuori posto. Il grafo è un oggetto di lavoro, non una scatola nera.

2.2 Recupero MetaRAG: tornare ai testi originali

Una volta che lo scheletro è a posto, RedMarx passa ciascuno dei suoi nodi – ogni concetto, ogni affermazione – a MetaRAG, qui configurato su un corpus curato di opere marxiste. Quel corpus è esso stesso un artefatto di un’attenta preparazione esperta. I volumi sorgente sono digitalizzati attraverso un processo di lettura visione-linguaggio a due passaggi, con un modello che legge ogni pagina scannerizzata e un secondo che la affina e la ricontrolla. Questo permette a tabelle, formule e ai numeri di pagina originali stampati di sopravvivere intatti, così che ogni passaggio possa successivamente essere citato riportando al libro e alla pagina da cui proviene.

L’istruzione per MetaRAG è chiara. Per ogni concetto e ogni posizione identificata nello scheletro, localizza i passaggi originali nel corpus e restituiscili con i loro identificatori di capitolo e sezione. Non parafrasare. Non riassumere. L’analisi a valle dipende dall’avere il testo reale di fronte al sistema, non un’approssimazione sintetizzata.

Un secondo impegno, più sottile, opera anche qui. Quando RedMarx passa dal trovare un passaggio all’analizzarlo, non ragiona dal frammento isolato. I chunk (frammenti) fanno il lavoro di ricerca – sono il modo in cui il sistema localizza il passaggio rilevante – ma non sono l’unità su cui poi ragiona. Dopo aver usato il chunk come un puntatore, il sistema lo scarta e assimila l’intero documento sorgente circostante – l’intero capitolo piuttosto che il frammento – in modo che l’argomento generale dell’autore inquadri la lettura.¹ Questa è la risposta pratica alla perdita del contesto concettuale descritta nella Sezione 1.1, poiché il significato non è più artificialmente confinato all’unità che corrispondeva alla query.

Qui è dove la differenza tra RedMarx e un chatbot generico diventa più visibile. Un sistema generico produrrà una prosa fluente sulla teoria marxiana della rendita fondiaria senza mai consultare il Volume III del Capitale (1894). RedMarx è costruito per rifiutare questa scorciatoia. Il passo del recupero è il fondamento, e tutto ciò che segue è costruito sul coinvolgimento diretto con le fonti.

2.3 Il ciclo di ricerca: leggere come legge uno studioso

Il recupero fedele è necessario ma non sufficiente. Come hanno mostrato i primi esperimenti di GSI, un sistema può avere i passaggi giusti e interpretarli comunque con noncuranza. RedMarx quindi avvolge il recupero in un ciclo di ricerca iterativo – pianificare, raccogliere, analizzare, sintetizzare – che elabora una domanda come farebbe una ricercatrice come Mariana: definirne l’ambito, raccogliere prove, valutare se le prove sono sufficienti, e solo allora stendere una bozza.

Due cose danno a questo ciclo il suo rigore. La prima è un metodo esperto incorporato. Come RedMarx indaga una domanda marxista – come navigare il corpus, come disambiguare un concetto contestato, come leggere un passaggio contro la borsa di studio consolidata piuttosto che da primi principi – non è codificato in modo rigido. Risiede in documenti di istruzione modificabili, distillati dalla letteratura primaria e secondaria attraverso un lavoro di recupero effettuato con esperti del dominio. Questi documenti catturano come uno studioso esperto interroga un testo di Marx. Poiché sono documenti di testo normale, un esperto del dominio può rivedere il metodo del sistema direttamente aggiungendo un quadro interpretativo, che avrà effetto immediato.

Questo è anche il modo in cui il team ha corretto un fallimento iniziale in cui il sistema si limitava ad accatastare i punti recuperati in una lista piatta, come uno studente che recita fatti, invece di costruire le relazioni logiche tra di essi. Insegnare al sistema, attraverso questi documenti, a scrivere come richiede una borsa di studio seria ha trasformato una pila di punti recuperati in un argomento genuino.

La seconda è un punto di controllo umano. Dopo che il sistema ha definito l’ambito della domanda e esaminato le prove disponibili, si ferma per permettere al ricercatore di rivedere e approvare la direzione prima di impegnarsi nell’analisi completa. L’umano non è uno spettatore alla fine di un processo automatizzato, ma è nel ciclo nel momento decisivo. Il lavoro in corso è preservato in ogni fase, quindi il percorso dalla domanda al rapporto rimane verificabile piuttosto che opaco.

2.4 Sintesi: fedele al testo, con note a piè di pagina fino alla sezione

La fase finale prende lo scheletro concettuale, i passaggi primari recuperati e la domanda del ricercatore, e produce un rapporto di ricerca sintetizzato.

La sintesi è vincolata da un requisito rigoroso: ogni affermazione sostanziale che si basa su una fonte deve portare una nota a piè di pagina che identifichi la fonte fino al capitolo e alla sezione. Poiché ogni passaggio recuperato arriva già etichettato con la sua origine, le citazioni nascono con le loro fonti piuttosto che essere ricostruite dopo. Questo rimuove il rischio di citazioni inventate o non corrispondenti che affliggono gli strumenti generici. Una singola nota a piè di pagina in un rapporto di RedMarx risolve non solo a un libro ma attraverso la sua struttura completa – Libro ? Parte ? Capitolo ? Sezione ? Sottosezione – così che ‘Marx sulla forma del valore’ diventa, concretamente, un puntatore alla Sezione 3, ‘La Forma del Valore o Valore di Scambio’, nel Volume I del Capitale (1867). Il lettore di un rapporto di RedMarx, che sia un collega, un revisore o un critico, può seguire ogni affermazione sostanziale fino al passaggio preciso nell’opera originale che la fonda.

Per il lavoro accademico, questo soddisfa il rigore che una borsa di studio seria richiede. Per il lavoro politico, è importante perché le affermazioni su ciò che Marx, Lenin o Gramsci hanno sostenuto devono essere verificabili, specialmente quando queste affermazioni sono contestate. Un rapporto le cui note a piè di pagina risolvono a capitolo e sezione è un rapporto che può essere difeso.

La tracciabilità serve il pensiero; non è un fine a sé stessa. Le note a piè di pagina esistono così che un ricercatore possa costruire sulle fonti con fiducia, spostando l’energia dalla ricerca dei passaggi all’argomentazione, al giudizio e al lavoro dialettico che è il punto. Sulla domanda di Mariana, per esempio, la citazione è solo il punto di partenza. Ciò che conta è l’argomento che RedMarx è in grado di sostenere: che la crescente produttività sociale del lavoro è il processo stesso attraverso cui il lavoro è subordinato al capitale. Dove i testi di Marx lasciano quella tensione genuinamente aperta, il sistema la segna come tale, con fonti da entrambe le parti, piuttosto che forzare il corpus in una risoluzione che non contiene. Questo è il registro per cui RedMarx è costruito.

3. Stato attuale: evidenze dall’uso

RedMarx è in fase di sperimentazione da parte dei ricercatori di GSI, che finora lo hanno eseguito su 16 domande sostanziali del tipo riprodotto in questo articolo, in 29 sessioni registrate – cinque di queste domande selezionate per il benchmark controllato a quattro sistemi riportato di seguito, le altre 11 sviluppate come rapporti di ricerca completi – e hanno giudicato i risultati solidi.

Questo giudizio non è meramente impressionistico. In un benchmark controllato, cinque domande selezionate da esperti sull’economia politica marxista sono state valutate da valutatori umani secondo una rubrica a sei dimensioni – completezza, rappresentazione delle contraddizioni, precisione terminologica, esposizione dialettica, riflessività critica e profondità analitica. Insieme, queste hanno prodotto 118 controlli strutturati di superamento/fallimento per sistema.

La configurazione completa di RedMarx ha ottenuto 118 su 118, cioè il 100%. Una configurazione più leggera dello stesso sistema, eseguita sul notevolmente più economico Kimi K2.5 invece che su un modello all’avanguardia, ha ottenuto il 97.5%. Claude Opus 4.7 senza alcun recupero ha ottenuto l’83.1%, e NotebookLM il 50.8%. Il divario decisivo è apparso non nel vocabolario di superficie, dove ogni sistema poteva nominare le categorie, ma nelle dimensioni che mettono alla prova la comprensione marxista: portare alla luce le contraddizioni interne, mantenere la riflessività critica e storica e sostenere la profondità analitica. Lì, gli strumenti più deboli hanno prodotto tassonomie pulite che hanno levigato il filo critico di Marx. Il risultato di NotebookLM dovrebbe essere letto come un disallineamento di scopo piuttosto che un semplice fallimento: è costruito per rispondere in secondi, mentre RedMarx è costruito per analisi che richiedono dai 10 ai 15 minuti. Una differenza non aveva bisogno di una rubrica per essere rilevata: nelle stesse cinque domande, i due sistemi con recupero hanno prodotto 216 riferimenti che risolvevano a un capitolo o sezione nominati, e i due sistemi senza recupero non ne hanno prodotti affatto. Il benchmark è importante perché testa la differenza tra riassumere il vocabolario marxista e ragionare dialetticamente con esso.

Queste affermazioni possono essere verificate contro le risposte stesse. Quattro domande sono pubblicate integralmente – ciascuna con la risposta di RedMarx, il grafo della conoscenza e le catene di scoperta dietro di essa, e la risposta di uno strumento di IA generale alla stessa domanda – nel repository GitHub di GSI.

Il benchmark è stato eseguito su una fetta ristretta e canonica di Marx su cui anche un modello non assistito ha performato rispettabilmente. Ci si aspetta che quella performance diminuisca – e che il valore del recupero e del grafo della conoscenza cresca – man mano che il corpus si espande a Lenin, Mao e testi meno noti che richiedono ragionamento attraverso gli autori. Questa espansione è oggetto della sezione successiva.

L’intenzione non è tenere RedMarx come uno strumento interno. Le condizioni che lo hanno prodotto – la difficoltà del corpus marxista, l’inadeguatezza dell’IA generica, la centralità del pensiero dialettico e la necessità di fedeltà alla fonte – non sono uniche di un’istituzione. RedMarx si dimostrerà utile ad altri collettivi di ricerca, intellettuali di partito, educatori popolari e studiosi indipendenti che lavorano all’interno o accanto alla tradizione marxista.

4. La strada davanti a noi

Un sistema di ricerca non è mai finito. Diverse direzioni di lavoro sono già in corso, in ordine approssimativo di immediatezza.

Approfondire la qualità e il ciclo di ricerca: Il lavoro più immediato è sul rigore stesso. L’obiettivo è maturare il ciclo di ricerca in modo che il sistema possa rivedere la propria bozza, identificare ciò che manca, tornare alle fonti e riprovare per un numero limitato di cicli prima che un umano riveda il risultato. In altre parole, il sistema dovrebbe iniziare a chiedere al proprio lavoro ciò che un ricercatore attento chiederebbe: l’argomento è completo, le fonti sono sufficienti, è stato perso qualcosa di importante?

Ampliare il corpus: Parallelamente, GSI sta integrando costantemente ulteriori fonti primarie e letteratura secondaria ben curata. Il marxismo non è un canone chiuso ma una tradizione viva, con contributi importanti in tutte le lingue, regioni e momenti storici. GSI continuerà ad aggiungere opere accuratamente selezionate, con attenzione alla qualità della traduzione, alla provenienza editoriale e alle licenze, scalando il corpus dal nucleo dell’economia politica verso il canone più ampio di Lenin, Mao e altri, in modo che il recupero di RedMarx rifletta l’intera ampiezza della tradizione piuttosto che una fetta ristretta. Poiché gran parte di questa tradizione vive in traduzione, espandersi attraverso le lingue è una parte centrale di questo lavoro, non un ripensamento.

Quadri analitici e strategie di raccolta informazioni più ricchi: Oltre all’attuale grafo della conoscenza, GSI sta sviluppando quadri analitici aggiuntivi – analisi congiunturale, scomposizione del sistema-mondo, analisi della catena del valore e analisi della formazione sociale – che un ricercatore può invocare quando la domanda lo richiede. Ognuno porta il proprio modo di leggere il corpus.

Metodi di ricerca cross-tradizionali e cross-temporali: Alcune delle domande contemporanee più importanti non possono essere risposte dall’interno di una singola scuola teorica o di un singolo periodo storico. RedMarx viene esteso con metodi che consentono il confronto tra tradizioni – leggere la teoria della dipendenza e la teoria del sistema-mondo l’una contro l’altra sulla stessa domanda, per esempio – e attraverso il tempo. Questi metodi aiutano a tracciare come una categoria si evolve dalla sua formulazione classica attraverso la sua ricostruzione di metà secolo fino al suo uso contemporaneo.

Connettersi a ricerche più profonde: Infine, RedMarx non deve lavorare da solo. Un’analisi fedelmente documentata e dialetticamente strutturata di una domanda teorica è esattamente il tipo di input di cui un processo di ricerca più ampio ha bisogno. È in corso un lavoro per permettere a RedMarx di alimentare il suo output fondato in sistemi di ricerca più completi, in modo che il ragionamento teorico rigoroso diventi un elemento costitutivo di indagini più ampie piuttosto che un punto finale.

La ragione più profonda per costruire lo strumento internamente, piuttosto che aspettare che le piattaforme commerciali servano il campo, è che la proprietà plasma la possibilità. Quando il sistema appartiene all’istituzione che lo usa, la metodologia in esso incorporata può essere quella in cui quell’istituzione crede veramente. Il ricercatore può porre al sistema domande più difficili, configurarlo per un lavoro più granulare e, soprattutto, dirigere l’attenzione umana verso le domande a cui solo gli umani possono rispondere. Il lavoro meccanico di localizzare passaggi, ricontrollare citazioni e mappare relazioni concettuali può essere affidato al sistema. Ciò che rimane al ricercatore è il lavoro più difficile e più prezioso del giudizio, della sintesi e dell’immaginazione politica.

5. Il sistema recupera; l’umano pensa

Una tradizione si mantiene viva non venendo citata ma venendo pensata. Per un secolo e mezzo, il canone marxista ha chiesto ai suoi lettori più di quanto una singola vita possa dare: più volumi di quanti uno studioso possa tenere a mente, più contesti di quanti una mente possa tenere in ordine, più dibattiti di quanti una carriera possa padroneggiare. Il pericolo non è che i testi scompaiano, ma che la capacità collettiva di leggerli come un tutto inizi a diradarsi. RedMarx è costruito contro questa erosione.

Conta anche chi costruisce lo strumento. La capacità di lavorare con una tradizione non è una comodità neutrale; è infrastruttura. Quando gli strumenti che mediano l’accesso al canone sono costruiti secondo i termini di qualcun altro e dietro il paywall di qualcun altro, plasmano le domande che i ricercatori possono porre e le fonti a cui possono accedere. Costruire RedMarx è un modo per rifiutare quella dipendenza; è un piccolo atto di rivendicazione che restituisce parte dei mezzi di lettura della tradizione a coloro che lavorano al suo interno e dà a un movimento più controllo sulle condizioni in cui pensa.

RedMarx è anche costruito da persone, per persone. I leader e i quadri del movimento hanno posto le domande politiche a cui il sistema esiste per rispondere; gli studiosi hanno scelto le fonti più autorevoli; gli esperti di recupero e di dominio hanno plasmato insieme il quadro dialettico; coloro che conoscono la tradizione hanno disegnato il grafo della conoscenza a mano; e gli specialisti di IA hanno ingegnerizzato il ciclo di ricerca che li lega insieme. Nessuna parte di RedMarx pensa da sola; ogni parte estende il pensiero di qualcuno. L’umano è la sua origine e la sua fine – la domanda inizia in un reale bisogno politico, come il mandato di Mariana dall’MST, e la risposta è destinata ad essere riportata in un’argomentazione reale e messa al lavoro. Ciò che sembra una macchina è, in verità, una collaborazione tra esperti di diversi campi, ognuno dei quali moltiplica la portata degli altri.

RedMarx non deve essere scambiato per magia, o per un sostituto della lettura disciplinata che la borsa di studio seria ha sempre richiesto. Non è una scorciatoia intorno a quel lavoro ma uno strumento per assorbire il lavoro meccanico di localizzare passaggi, controllare citazioni e mappare relazioni concettuali. In definitiva, il giudizio, la sintesi e l’immaginazione politica rimangono il dominio del ricercatore. Il sistema recupera; l’umano pensa. Questa divisione del lavoro non è una debolezza dello strumento ma la ragione per costruirlo.

Ricercatori e organizzazioni interessati a RedMarx, o ad adattare l’approccio a un altro corpo di lavoro, possono scrivere a GSI all’indirizzo contact_gsi@thetricontinental.org.

Note

¹ L’ingestione di documenti completi elabora un grande volume di testo per ogni risposta, e quindi richiede un modello con una finestra di contesto di un milione di token. Questo attualmente limita la configurazione completa di RedMarx ai modelli all’avanguardia; la configurazione più leggera descritta nella Sezione 3 funziona su modelli più piccoli a un costo significativamente inferiore.

Autore

Chris Wang è un ingegnere IA presso Global South Insights, dove lavora sullo sviluppo di applicazioni IA interdisciplinari e intersettoriali, collegando le tecnologie IA all’avanguardia con l’erogazione di valore nel mondo reale.

Curatori

Prasanth Radhakrishnan è curatore e ricercatore presso il Tricontinental: Institute for Social Research. Il suo lavoro si concentra sull’economia politica dei media nel Sud del mondo e sull’intersezione tra tecnologia e geopolitica.

Mikaela Nhondo Erskog è curatrice e ricercatrice presso l’ufficio interregionale del Tricontinental: Institute for Social Research.