Attenzione alle convergenze sorprendenti e sospette

A un estremo, le due considerazioni non sono correlate e quindi il diagramma di dispersione non mostra alcuna associazione. Sapere quanto un oggetto se la cava bene in base ad una considerazione non ci dice nulla su come se la cava in base ad un’altra considerazione, e la possibilità che l’oggetto che ottiene il punteggio più alto nella considerazione X sia anche il più alto nella considerazione Y è molto bassa. Questa è la cosiddetta “assenza di convergenza”.

All’altro estremo, le considerazioni sono perfettamente correlate e il grafico non presenta dispersione, ma piuttosto una linea retta. Conoscendo il punteggio di un oggetto in base alla considerazione X si può sapere esattamente il punteggio di un oggetto in base alla considerazione Y, e l’oggetto che ottiene il punteggio più alto in base alla considerazione X è certo che otterrà il punteggio più alto in base alla considerazione Y. Si tratta di una forte convergenza.

Nella maggior parte dei casi, la relazione tra due considerazioni si situa tra questi estremi: si chiama convergenza debole. Un esempio è l’esistenza di un senso generale di forma fisica, per cui la velocità con cui si corre e la distanza con cui si lancia sono in qualche modo correlate. Un altro esempio è l’intelligenza: le diverse abilità mentali (discriminazione del tono, memoria di lavoro, vocabolario, ecc.).

Per quanto riguarda l’altruismo efficace, sembra esserci una debole convergenza tra le diverse teorie morali e le diverse cause. Ciò che è giudicato altamente da (ad esempio) il kantianismo tende ad essere giudicato altamente dall’utilitarismo: sebbene ci siano eccezioni ben discusse a questa regola, entrambi sono generalmente d’accordo sul fatto che (tra i tanti esempi) l’aggressione, il furto e la menzogna sono cattivi, mentre la gentilezza, l’organizzazione di beneficenza e l’integrità sono buoni.⁠a In modo simile, ciò che è buono per (ad esempio) la povertà globale è generalmente buono per il futuro lontano, e lo stesso vale per qualsiasi due cause “EA”.⁠b

Nei casi di debole convergenza, i punti formeranno una sorta di dispersione ellittica, e sapere come un oggetto ottiene un punteggio su X ci dice qualcosa su quanto bene ottiene su Y. Se si sa che un oggetto ottiene i punteggi più alti per X, l’aspettativa di come ottiene i punteggi per Y dovrebbe salire e la possibilità che ottenga i punteggi più alti anche per Y dovrebbe aumentare. Tuttavia, la probabilità assoluta che sia il migliore per X e il migliore per Y rimane bassa, per due motivi principali:

Compromessi: Sebbene le considerazioni X e Y siano generalmente correlate positivamente, potrebbe esserci una correlazione negativa nella coda estrema, dovuta ai tentativi di ottimizzare per X o Y a spese sproporzionate per Y o X. Sebbene nella popolazione generale la corsa e il lancio siano correlati positivamente l’uno con l’altro, gli atleti d’élite possono ottimizzare il loro allenamento per l’uno o per l’altro, e quindi coloro che si specializzano nel lancio e coloro che si specializzano nella corsa divergono. In modo simile, possiamo pensare che ci sia spazio per un’ottimizzazione simile quando si tratta di organizzazioni di beneficenza o di selezione di cause.

Casualità: (c.f.) Anche nei casi in cui non ci sono compromessi, finché le due considerazioni sono in qualche modo indipendenti, le fluttuazioni casuali di solito garantiscono che la migliore considerazione X non sarà la migliore considerazione Y. Il fatto che X e Y convergano solo debolmente implica che per Y contano altri fattori oltre a X. Per il singolo oggetto che è il migliore per X, ce ne saranno molti altri non migliori per X (ma comunque molto buoni), e tra questo gran numero di oggetti è probabile che uno faccia molto bene su questi altri fattori per risultare complessivamente il migliore per Y. L’esame della maggior parte delle coppie di variabili correlate lo conferma: Chi ha un QI più alto tende a essere più ricco, ma i più intelligenti non sono i più ricchi (e viceversa), servire velocemente è un bene per il tennis, ma i server più veloci non sono i migliori giocatori (e viceversa), e così via. Dal punto di vista grafico, la maggior parte dei grafici a dispersione si restringe in un’ellisse, anziché essere appuntita su un punto.

Le seguenti caratteristiche rendono un singolo oggetto che ottiene il punteggio più alto in base a due considerazioni più probabile:

1. Più piccola è la popolazione di oggetti. Se le uniche due opzioni disponibili per OIiver ed Eleanor fossero “Dare all’Opera” e “Dare un pugno in faccia”, non sorprende che la prima sia in testa a molte considerazioni.
2. La forza della loro convergenza. Più la correlazione si avvicina alla collinearità, meno sorprende scoprire che qualcosa è migliore per entrambi. È meno sorprendente che il migliore a correre i 100m sia il migliore a correre i 200m, ma è molto più sorprendente se si scopre che sono anche i migliori a lanciare i dischi.
3. L’“ampiezza” della distribuzione. Più le code sono pesanti, più è probabile che una distribuzione si allunghi e si “affini” a un punto, e meno è probabile che i rigonfiamenti ai lati della linea di regressione siano popolati. (Devo questo a Owen Cotton-Barratt)

Nella maggior parte dei casi (compresi quelli rilevanti per l’EA), c’è un’ampia popolazione di oggetti, una debole convergenza e (a causa delle distribuzioni a coda pesante spesso implicate) è raro che una cosa sia la migliore per le luci di due considerazioni debolmente convergenti.

Misure proxy e previsione

Nel caso in cui non abbiamo nulla su cui basarci per giudicare ciò che è buono per Y se non sapere cosa è buono per X. La nostra migliore ipotesi di ciò che è meglio per Y è ciò che è meglio per X. Quindi l’opera è la migliore stima di ciò che è bene per il benessere umano, data solo l’informazione che è meglio per le arti. In questo caso, dobbiamo aspettarci che la nostra ipotesi migliore sia molto probabilmente sbagliata. Sebbene sia più probabile di qualsiasi alternativa altrettanto ristretta (“donazioni all’opera o donazioni a X-fattore?”), la sua probabilità assoluta rispetto al resto dello spazio delle ipotesi è molto bassa (“donazioni all’opera o qualcos’altro?”).

Naturalmente, di solito abbiamo a disposizione più informazioni. Perché non cercare direttamente ciò che è positivo per il benessere umano, invece di cercare ciò che è positivo per le arti? Spesso la ricerca di Y direttamente piuttosto che di un indicatore proxy debolmente convergente è migliore: se si vuole selezionare una squadra di staffetta, la selezione basata sulla velocità di corsa piuttosto che sulla distanza di lancio sembra una strategia migliore. Così, scoprire che un particolare intervento (ad esempio, la Against Malaria Foundation) è al primo posto quando si cerca ciò che è buono per il benessere umano fornisce una prova molto più forte che scoprire che l’opera è al primo posto quando si cerca ciò che è buono per una considerazione debolmente convergente.⁠c

Sconfitta pragmatica e scarsa propagazione

Eleanor può sospettare che sia un pregiudizio a guidare l’affermazione di Oliver a favore dell’opera. La probabilità che l’opera sia migliore sia per le arti che per il benessere umano è bassa, anche tenendo conto della loro debole convergenza. La probabilità che il giudizio di Oliver sia influenzato da bias cognitivi e da motivazioni è più alta, soprattutto se Oliver ha un impegno pregresso nei confronti dell’opera. Tre domande: 1) Questo influisce sul modo in cui dovrebbe considerare le argomentazioni di Oliver? 2) Deve continuare a parlare con Oliver e, se lo fa, deve suggerirgli che è prevenuto? 3) C’è qualcosa che può fare per evitare di commettere un errore simile?

Diciamo che Eleanor ha ragione a dire che Oliver è di parte. E allora? Ciò implica che né lui ha torto, né le argomentazioni che offre a sostegno sono errate: potrebbe essere prevenuto e avere ragione. Sarebbe un caso di fallacia genetica (o forse ad hominem) sostenere il contrario. Ma non finisce qui: le “fallacie” informali sono di solito strumenti epistemici preziosi; non dovremmo solo prestare attenzione al contenuto delle argomentazioni offerte, ma anche ai “meta-dati” argomentativi come le qualità dell’argomentatore⁠d.

Consideriamo questo esempio. Supponiamo di essere incerti sull’esistenza di Dio. Una donna cristiana che conoscete vi offre le ragioni per cui (a suo parere) la bilancia della ragione favorisce chiaramente il teismo rispetto all’ateismo. Non sareste saggi a giudicare le argomentazioni puramente “nel merito”: per una serie di ragioni, è probabile che lei abbia inclinato le prove che presenta a favore del teismo; l’impressione che darà di dove si trova l’equilibrio della ragione non corrisponderà a quella che si trova in realtà. Anche se trovate le sue argomentazioni persuasive, dovreste almeno in parte ignorare questo fatto in base a ciò che conoscete dell’oratore.

In alcuni casi può essere ragionevole scartare “a priori” le fonti a causa della loro parzialità, senza entrare nel merito: possiamo aspettarci che il valore probativo delle ragioni che offrono, quando è fortemente attenuato dalla parzialità prevista, non valga i rischi di errore sistematico se sbagliamo il grado di parzialità (che, ovviamente, è molto difficile da calcolare); in alternativa, potrebbe essere un triage migliore delle nostre limitate risorse epistemiche ignorare le persone di parte e cercare di trovare fonti imparziali che ci forniscano una visione migliore dell’equilibrio della ragione.

Quindi: Eleanor dovrebbe smettere di parlare di questo argomento con Oliver? Di solito no. In primo luogo, c’è la possibilità che si sbagli sul fatto che Oliver sia di parte, e ulteriori discussioni le permetterebbero di scoprirlo. In secondo luogo, potrebbero esserci ragioni tattiche: potrebbe voler convincere altre persone a partecipare alla conversazione. Potrebbe inoltre ritenere che un’ulteriore discussione sia la migliore possibilità di persuadere Oliver, nonostante i pregiudizi di cui è portatore. Infine, Eleanor potrebbe comunque trarne vantaggio: anche se i pregiudizi possono minare la forza delle ragioni offerte da Oliver, queste possono comunque fornirle informazioni preziose. Essere troppo ansiosi di scartare tutto ciò che le persone dicono sulla base di valutazioni di pregiudizio (che di solito sono in parte informate da determinazioni a livello concreto di varie questioni) rischia di rafforzare le proprie convinzioni.

Un’altra questione correlata è se sia saggio per Eleanor accusare Oliver di parzialità. Ci sono alcune difficoltà. Le cose che possono creare pregiudizi sono numerose, quindi le controaccuse sono facili da fare: (“Penso che tu sia a favore dell’opera a causa del tuo precedente coinvolgimento”/“Beh, io penso che tu sia prevenuta contro l’opera a causa della tua concezione riduzionistica e non sufficientemente olistica del bene”). Sono inclini a sfociare nell’antipatico (“Ti interessa il cambiamento climatico solo perché vai a letto con un ecologista”) o nel passivo-aggressivo (“Mi preoccupa molto il fatto che le persone che non sono d’accordo con me offrano pessimi argomenti per mascherare i loro ovvi pregiudizi”). Possono anche rivelarsi difficili da portare avanti. Oliver può affermare che il suo impegno è stato dopo la sua determinazione in buona fede che l’opera lirica fosse davvero la cosa migliore per il benessere umano e le arti. Molte, forse la maggior parte, di queste affermazioni sono sbagliate, ma può essere difficile dire (o dimostrare) quali.⁠e

Eleanor potrebbe voler mantenere un “controllo interno” per evitare di commettere un errore simile a quello di Oliver. Un indizio è la sorprendente mancanza di propagazione delle convinzioni: cambiamo idea su alcune questioni, ma le nostre convinzioni su questioni strettamente correlate rimangono sorprendentemente inalterate. Nella maggior parte dei casi in cui qualcuno si convince di nuovo (per esempio) dell’altruismo efficace, prevediamo che si propaghi e modifichi profondamente i suoi giudizi su dove sia meglio donare denaro o su quale sia la carriera migliore da intraprendere. Se Eleanor scopre che questo non accade, che nel suo caso la nuova convinzione dell’importanza del futuro lontano non si propaga per cambiare la sua carriera o le sue donazioni, manifestandosi invece in una proliferazione di ragioni accessorie che sostengono il suo comportamento precedente, dovrebbe essere sospettosa di questa sorprendente convergenza tra ciò che pensava fosse meglio allora e ciò che è meglio ora in una luce completamente nuova.

Esempi EA

Pochi altruisti efficaci difendono seriamente l’opera lirica come causa principale. Tuttavia, il problema generale dell’avallo di convergenze sorprendenti e sospette rimane prevalente. Ecco alcuni esempi provocatori:

1. La mancanza di cambiamenti di percorso. Nonostante l’idoneità personale, gli attriti, il capitale investito, ecc., sembra che le persone che scelgono carriere per “motivi non legati all’altruismo efficace” spesso le mantengano anche dopo essere “diventate” altruiste efficaci, e poi forniscono ragioni per cui (almeno secondo loro) persistere nella carriera è l’opzione migliore.
2. L’affermazione che, anche concedendo la schiacciante importanza del futuro lontano, risulta che le organizzazioni di beneficenza per il benessere animale sono ancora le migliori a cui donare, dati i loro solidi benefici, gli effetti indiretti a lungo termine e la specularità delle cause del futuro lontano.
3. L’affermazione che, anche concedendo la schiacciante importanza del futuro lontano, risulta che le organizzazioni di beneficenza per la povertà globale sono ancora le migliori a cui donare, dati i loro solidi benefici, gli effetti indiretti a lungo termine e la specularità delle cause del futuro lontano.
4. Affermazioni da parte degli entusiasti della crionica o della ricerca sull’invecchiamento che questa, oltre ad essere positiva per i loro desideri di aumento della durata della vita, è anche una causa importantissima per l’altruismo efficace.
5. Affermazioni secondo cui quella vegana è la dieta migliore per il benessere animale, per l’ambiente, per la salute individuale e per la varietà di sapori.

Tutte le caratteristiche sono simili: si ha un impegno precedente nei confronti di una causa o di un’azione particolare. Si viene a conoscenza di una nuova considerazione che ha una notevole influenza su queste probabilità a priori. Tuttavia, queste probabilità a priori non cambiano, e invece emergono argomenti secondari per combattere un’azione di retroguardia a favore di questi impegni precedenti: invece di adattare questi impegni alla luce della nuova considerazione, si mira a cooptare la considerazione al servizio di questi impegni precedenti.

Naturalmente, il fatto che alcuni razionalizzino non esclude che altri siano ragionevoli, e la presenza di modelli di credenza sospetti non li rende ingiustificati. Si può (ad esempio) lavorare per la povertà globale perché si nega il caso del futuro lontano (attraverso una prospettiva centrata sulla persona, tra le molte altre possibilità) o si pensa che ci siano considerazioni ancora più forti a favore (forse un’enfasi sull’incertezza morale e sul disaccordo tra pari e quindi si considera decisivo il consenso morale molto più forte sulla necessità di fermare le malattie tropicali piuttosto che (ad esempio) fare ricerca sul rischio legato all’IA).

Inoltre, per le affermazioni più deboli, la convergenza è molto meno sorprendente. Se uno dicesse a nome del veganesimo: “È migliore per il benessere animale, ma anche generalmente migliore per l’ambiente e la salute personale rispetto alle diete carnivore”. Certo, è peggiore per quanto riguarda il gusto, ma tutto sommato è chiaramente superiore”, sembra molto meno sospetto (e anche molto più vero) dell’affermazione che è migliore secondo tutti questi parametri. Sarebbe sorprendente se la dieta ottimale per la salute personale non includesse almeno alcuni prodotti di origine animale.

A parte gli avvertimenti, tuttavia, queste linee di argomentazione sono sospette e un’ulteriore ispezione approfondisce questi sospetti. In breve, si sottolinea innanzitutto il beneficio che l’impegno precedente ha alla luce della nuova considerazione (ad esempio, la promozione del benessere animale favorisce l’antispecismo, il che probabilmente migliorerà la traiettoria del futuro lontano), e in secondo luogo si osserva quanto sia speculativa la ricerca diretta sulla nuova considerazione (ad esempio, è molto difficile capire cosa possiamo fare ora che andrà a vantaggio del futuro lontano).⁠f

Il fatto che l’argomentazione tenda a terminare qui suggerisce un’interruzione motivata. Infatti, sebbene i benefici a livello concreto di (ad esempio) povertà globale non siano speculativi, i loro presunti benefici sul futuro lontano lo sono. Tuttavia, il lavoro per dimostrare che questo è comunque meno speculativo rispetto agli sforzi per lavorare “direttamente” sul futuro lontano è lasciato in sospeso.⁠g Allo stesso modo, anche se è vero che il modo migliore per far andare meglio il futuro lontano è spingere su un indicatore proxy, quale dovrebbe essere?. Anche il lavoro sul perché (ad esempio) il benessere animale sia il proxy più forte tra i concorrenti tende ad essere lasciato in sospeso.⁠h Come ulteriore punto a sfavore, si sospetta che coloro che sostengono che la povertà globale sia il proxy migliore abbiano quasi esclusivamente impegni precedenti verso le cause della povertà globale, mutatis mutandis il benessere animale, e così via.

Abbiamo almeno una certa conoscenza di quali caratteristiche (ad esempio) degli interventi per il benessere animale li rendono validi per il futuro lontano. Se questo fosse ( presumibilmente) il valore principale degli interventi per il benessere animale, data la schiacciante importanza del futuro lontano, sembrerebbe saggio cercare di scegliere interventi che massimizzino queste caratteristiche. Si arriva così a una struttura ricorsiva: nell’ambito degli interventi per il benessere animale, ci si aspetta che i benefici “a livello concreto” e “nel futuro lontano” convergano solo debolmente. Eppure (in modo sorprendente e sospetto) gli interventi per il benessere animale raccomandati dalle luci del futuro lontano sono di solito gli stessi raccomandati a livello concreto.

Conclusioni

Se Oliver fosse prevenuto, non sarebbe affatto l’unico. La maggior parte di noi è (volente o nolente) almeno un po’ di parte, e le nostre convinzioni sono in parte motivate da ragioni non solo epistemiche: interessi acquisiti, mantenimento di certe relazioni, affiliazioni di gruppo, ecc. Nel perseguire questi fini, difendiamo le nostre convinzioni contro tutte le considerazioni portate contro di esse. Poche convinzioni sono incrollabili alla luce di qualsiasi opinione ragionevole, e poche prescrizioni politiche sono panacee. Eppure tutte le nostre lo sono.

Non sorprende che gli stessi problemi emergano nell’ambito dell’altruismo efficace: un caso particolare di “fingere di provarci davvero” è “fingere di prendere sul serio gli argomenti”.⁠i Questi problemi sembrano prevalenti nell’intera comunità dell’altruismo efficace: il fatto che non sia riuscito a trovare buoni esempi per le cause meta o del futuro lontano si spiega probabilmente con un pregiudizio da parte mia o con un effetto di selezione: se queste cose fossero meno strane, sbaglierebbero più spesso.⁠j

Non c’è una soluzione “interna” facile, ma ripeto i miei consigli a Eleanor: di norma, mantenere il dialogo, presumere la buona fede degli altri, impegnarsi nel merito e ascoltare gli altri sembra una strategia migliore, anche se pensiamo che i pregiudizi siano endemici. Vale anche la pena di sottolineare che l’ampia (anche se debole) convergenza tra le cause è un terreno comune fertile e un’area promettente per lo scambio morale. Sebbene sia improbabile che la cosa migliore per una causa lo sia anche per un’altra, è abbastanza probabile che sia abbastanza buona. Pertanto, la maggior parte delle attività svolte dagli altruisti efficaci in un determinato settore dovrebbe godere di un’ampia approvazione e di un ampio sostegno da parte di coloro che lavorano in altri settori.

Anch’io mi presento a voi come un peccatore. Anch’io ho fatto lo stesso tipo di argomentazioni sospette a favore della povertà globale. Sono anche abbastanza sicuro che la mia decisione di continuare nel campo della medicina non sia davvero basata sui meriti — ma potrei anche finire per essere un beneficiario della fortuna morale. Sono restio ad accusare individui particolari di aver commesso gli errori che ho individuato qui. Ma se i lettori pensano che questo possa valere anche per loro, li invito a ripensarci.

Grazie a Stefan Schubert, Carl Shulman, Amanda MacAskill, Owen Cotton-Barratt e Pablo Stafforini per i numerosi commenti e consigli. Il loro gentile aiuto non deve essere interpretato come un’approvazione del contenuto o una responsabilità per eventuali errori.

Pubblicazione originale: Gregory Lewis (2023) Beware surprising and suspicious convergence, Effective Altruism Forum, agosto.