Chi decide la regola con cui gli altri saranno giudicati ha un interesse nella regola, e nessuna dichiarazione di conflitto lo registra. Undici schede, dalla guerra sui p-value ai laboratori che scrivono i criteri con cui saranno valutati.
Leggendo il manifesto Hinternet: la diagnosi è lucida, ma la soluzione ha un limite strutturale una cui possibile soluzione esiste almeno dal VI secolo.
Cal Newport, informatico della Georgetown University, scrive nel giorno della quotazione che chi compra azioni di Anthropic finanzia, in un certo senso, «un culto apocalittico che costruisce anche software per le imprese». Amodei e molti dei suoi credono che la superintelligenza porterà l’utopia o la catastrofe. Secondo Newport la convinzione di dover arrivare primi rende meno attenti ai danni collaterali, e lo mostrano un nuovo modello circa ogni tre settimane, l’impegno sull’auto-miglioramento ricorsivo e regole interne di sicurezza allentate. Newport riconosce ad Amodei di prendere sul serio i rischi più dei concorrenti. Il suo bersaglio è la struttura. In una società benefit gli azionisti, che sarebbero il freno più forte, hanno meno presa, perché una scelta dannosa per l’impresa si può difendere in nome della missione. Il trust controlla quattro dei sette seggi del consiglio, due sono di Dario e Daniela Amodei, e i fondatori hanno il 50,1 per cento dei voti. Fermare un’apocalisse o perseguire un’utopia, scrive Newport, è compito di associazioni, istituti senza scopo di lucro e campagne pubbliche, non di una società quotata. Se Amodei ha torto, il piano d’impresa non regge. Se ha ragione, il destino comune finisce in mano a pochi miliardari che non rispondono al pubblico. Newport chiede al Congresso un’azione più forte e cita lo stesso Amodei, che a settembre si diceva a disagio nel costruire ciò che dovrebbe costruire lo Stato.
Anthropic si quota in Borsa con una valutazione obiettivo fino a 1.400 miliardi di dollari, e l’economista Natasha Sarin, in un video d’opinione del New York Times, legge il prospetto di più di trecento pagine. Quasi cento sono dedicate ai rischi. Ci sono quelli d’impresa, quelli normativi, come le moratorie sui data center, e quelli che la tecnologia pone all’umanità, compresa l’estinzione. Il prospetto scrive che i modelli «potrebbero comportarsi in modi non voluti, non allineati o autonomi». Anthropic è una società benefit, e il potere vi sta in due luoghi. I sette cofondatori hanno insieme il 50,1 per cento e guidano la gestione. Il Long-Term Benefit Trust, di cui fa parte l’ex presidente della Fed Ben Bernanke, elegge la maggioranza del consiglio di amministrazione, con il compito di tenere presente il bene dell’umanità. Per Sarin la struttura è nuova e importante, ma non basta: il trust si muove lentamente, mentre agenti non allineati o attacchi informatici possono fare danni in fretta. Per questo, osserva, i dirigenti di Anthropic chiedono da tempo più regole e un ruolo più attivo dello Stato. Fra i dettagli del prospetto ci sono i tre milioni di dollari l’anno per la sicurezza dell’amministratore delegato, Dario Amodei, e l’indicazione di Google e OpenAI come veri concorrenti.
L’emendamento n. 1 al Form S-1, depositato presso la Securities and Exchange Commission il 2 novembre 2026, è il prospetto con cui Anthropic si quota al Nasdaq Global Select Market con il simbolo ANT. In questa versione il numero di azioni e la forchetta di prezzo sono ancora in bianco. I ricavi passano da 41 milioni di dollari nel 2023 a 386 milioni nel 2024 e a 4,6 miliardi nel 2025. Nei primi nove mesi del 2026 sono 33,2 miliardi, di cui 17 nel solo terzo trimestre. Le perdite crescono insieme ai ricavi: 1,5 miliardi nel 2023, 8,3 nel 2024, 42 nel 2025 e 104 nei primi nove mesi del 2026. Al 30 settembre la società dichiara 131,8 miliardi fra liquidità e investimenti a breve, e destina i proventi soprattutto alla capacità di calcolo e all’infrastruttura. Anthropic è una public benefit corporation, con lo scopo di «the responsible development and maintenance of advanced AI for the long-term benefit of humanity». Le classi di azioni sono cinque. Un’unica azione di classe F, intestata alla società dei sette cofondatori, porta il 50,1 per cento dei voti. Un’unica azione di classe T permette al Long-Term Benefit Trust, cinque fiduciari senza interessi finanziari nella società, di eleggere la maggioranza del consiglio. Le azioni di classe N non votano, e fra queste c’è il 5 per cento del capitale destinato a un fondo per il beneficio pubblico. Gli investitori esterni votano, ma la maggioranza dei voti è dei fondatori e la maggioranza del consiglio la elegge il trust: la presa del mercato sulla società è limitata per costruzione. Il prospetto precisa che il trust non ha poteri sulla gestione né sulla strategia. I fattori di rischio occupano circa novanta pagine. Accanto a quelli comuni a ogni quotazione ne elencano due gruppi insoliti: la sicurezza dell’AI, con l’uso improprio e i comportamenti non allineati o autonomi dei modelli, e il governo societario stesso. Il prospetto ammette che le misure di precauzione, compreso il ritardo nel rilascio dei modelli, possono rallentare i progressi rispetto ai concorrenti. Il documento supera il milione e mezzo di battute, e la scheda ne riporta solo le parti strutturali.
Da quando Mike Johnston è sindaco, Denver ha ridotto del 64% le persone che vivono in strada, con un calo che nel 2025 è stato circa tredici volte quello nazionale. Secondo la valutazione indipendente dell’Urban Institute, fra il 2023 e il 2025 gli accampamenti attivi si sono quasi dimezzati e quelli grandi sono scesi del 91%. Il metodo unisce ciò che le città progressiste tengono separato. La polizia sgombera con una sequenza graduata, avvertimento, diffida scritta e solo alla fine multa o arresto. Gli assistenti sociali offrono un posto vero: casette con privacy, un albergo comunale, nessun limite rigido di permanenza, gestori valutati su quante persone escono dalla strada. Denver mostra che il problema dei senzatetto è risolvibile quando l’applicazione della legge e l’offerta di un alloggio vanno insieme: la pressione funziona perché c’è un posto dove andare. Il mantra del sindaco è l’opposto della resa che German Lopez rimprovera a Los Angeles e Seattle: «all of our problems are solvable and we’re the ones to solve them».
L’analisi dei dati è dello stesso Lopez, e il pezzo è anche un invito politico ai Democratici. I fondi federali temporanei sono finiti, e la fase successiva, con malati psichiatrici e tossicodipendenti, richiederà secondo l’autore una forma di coercizione. È lì che contano i contrappesi, di cui già ora si vedono i segni: le ispezioni nelle stanze contestate dagli attivisti, i vicini che puntano le telecamere sulle casette.
Il comitato editoriale del New York Times parte da un dato: i programmi delle aziende dell’AI hanno violato o tentato di violare banche dati di imprese e governi, e le aziende ne parlano come genitori che rimpiangono e insieme declinano la responsabilità per un figlio adolescente. Le definiscono autonome, agentiche, quasi dotate di una mente propria. La complessità di un prodotto non riduce la responsabilità di chi lo crea: chiamarlo agente serve a spostarla sul sistema, e il diritto ha già gli strumenti per riportarla sull’azienda. Il primo è la responsabilità per danno da prodotto, quella che ha cambiato le industrie dell’auto, del tabacco e degli oppioidi. Il secondo è la responsabilità oggettiva, che si applica alle attività pericolose come le centrali nucleari e che i legislatori imposero all’aviazione delle origini: se tieni una tigre e morde il vicino, non conta quanto fosse addestrata.
Contro l’argomento dell’innovazione il pezzo cita Sam Altman, «the world should accept some bad things happening». Due cose vanno dette. Il New York Times è in causa con OpenAI e Microsoft per il diritto d’autore, e lo dichiara nel testo. Fra le aziende citate c’è anche Anthropic.
28 settembre 2026
Curated
· Claire Legros / Le Monde
Istituzioni
Inchiesta di Claire Legros, pubblicata il 28 settembre 2026, nata dalle ondate di calore francesi dell’estate — oltre 220.000 sfollati nel sud-ovest, “il flusso interno più ampio dalla Seconda guerra mondiale” secondo la Frankfurter Allgemeine Zeitung — e dalle classifiche di città “vivibili” che ne sono seguite, con Fougères, Brest e Valognes in testa.
Il pezzo mette a confronto due definizioni di abitabilità. Quella fisica — calore, acqua, livello del mare — è quella dell’IPCC e delle classifiche giornalistiche: un luogo supera o non supera una soglia. Quella della geografa Nathalie Blanc, che dirige il Centre des politiques de la Terre, è diversa: l’abitabilità è un processo relazionale fra uno spazio e chi lo abita, non uno stato che un luogo possiede o perde. Le classifiche, dice Blanc, “alimentano una mentalità individualista che punta solo ai più ricchi — quelli con i mezzi per trasferirsi o trattare la città come una risorsa occasionale”; chi è povero, malato, caregiver o lavoratore essenziale resta a subire le ondate di calore in spazi non adatti ai suoi bisogni.
Il sociologo Eric Klinenberg lo documenta empiricamente in Heat Wave: due quartieri di Chicago con lo stesso profilo sociale ebbero mortalità opposta nell’ondata del 1995, e la differenza furono le biblioteche, i parchi, le reti associative ancora attive in uno dei due — un’infrastruttura di legami, non di temperatura, a fare da argine.
Il geografo Guillaume Faburel propone, nel suo Où habiter?, sette “territori rifugio” rurali verso cui una parte della popolazione urbana potrebbe trasferirsi per un modo di vita più autosufficiente; la geografa Blanc e i geografi Daniel Béhar e Aurélien Delpirou gli obiettano che le città concentrano servizi e infrastrutture da cui le aree rurali stesse dipendono, e che la “geo-solutionism” — cercare in una configurazione geografica la risposta a un problema che non lo è — scambia l’effetto per la causa. Per loro l’abitabilità “non è una qualità naturale” di un territorio ma “una costruzione collettiva, locale, fragile e contesa”: la domanda giusta non è quale luogo sia buono, ma quali siano le condizioni di abitabilità in ciascun luogo.
Il 25 settembre 2026 l’Académie Goncourt ritira C’était ça ou mourir di Thélyson Orélien dalla prima selezione del premio, quattro giorni dopo che il romanzo aveva vinto il Prix du roman Fnac e ventitré giorni dopo esservi entrato. È la prima volta che un’accademia letteraria francese esclude un titolo per sospetto di generazione automatica, e il comunicato merita di essere letto per come è scritto.
Le motivazioni sono due, e sono di natura diversa. La prima, nominata per prima: «les plagiats dont son auteur s’est rendu coupable au fil du temps et qui viennent d’être révélés», i plagi di cui l’autore si sarebbe reso colpevole nel tempo e che sono appena stati rivelati. La seconda: il romanzo sarebbe «selon toute vraisemblance, très largement le produit d’une Intelligence Artificielle», secondo ogni verosimiglianza in larghissima parte il prodotto di un’intelligenza artificiale, sulla base di «analisi convergenti di ricercatori e giornalisti credibili». La decisione «è dettata dalla volontà di preservare l’integrità del premio Goncourt e dell’Accademia, il cui ruolo centrale consiste nel promuovere e incoronare la letteratura scritta da donne e da uomini», e l’Accademia dichiara di non voler «cautionner ni adouber» testi generati con l’aiuto di un modello.
Tre osservazioni che l’archivio registra, e nessuna riguarda la colpevolezza o l’innocenza dell’autore, che non è materia di questo sito.
La prima è la modalità. «Secondo ogni verosimiglianza» è la formula con cui un’istituzione dichiara di non avere una prova e di decidere lo stesso. Due giorni prima il presidente Philippe Claudel aveva detto l’opposto: «Se emergeranno altri elementi da qui al 6 ottobre, e se ci saranno prove inconfutabili che questo libro è stato generato dall’IA, evidentemente prenderemmo una decisione». Fra il 23 e il 25 settembre non è emersa una prova inconfutabile, è aumentata la pressione. La decisione non fu unanime: l’accademico Pascal Bruckner si oppose — «hanno fatto gli zelanti», e «vorrei che mi si dimostrasse come un’intelligenza artificiale possa scrivere C’était ça ou mourir».
La seconda è la sovrapposizione. Il plagio e la generazione automatica sono accuse di generi diversi: la prima si verifica confrontando due testi, e le verifiche di Libération e Radio-Canada indicano somiglianze in almeno cinque testi del 2012-2013, anni prima che esistesse ChatGPT; la seconda poggia su punteggi di software la cui affidabilità sul francese letterario non è mai stata misurata in modo indipendente. Metterle nella stessa frase fa sì che la più solida presti credibilità alla più fragile, e che la più fragile prenda il titolo dei giornali.
La terza riguarda l’esito pratico. L’esclusione non ha tolto lettori al libro: nella settimana della polemica ha venduto 18.254 copie contro le 12.506 della precedente, arrivando intorno alle 65.000 al 1° ottobre. L’Accademia ha protetto l’integrità del proprio premio e ha aumentato la diffusione del testo che riteneva non dovesse circolare come letteratura. È un effetto che chiunque progetti una sanzione reputazionale dovrebbe mettere in conto prima di comminarla.
Tribuna di Mohamed Mbougar Sarr sul Nouvel Obs, 24 settembre 2026, il giorno prima dell’esclusione dal Goncourt. Sarr ha vinto quel premio nel 2021 con La più recondita memoria degli uomini, romanzo che ruota intorno a uno scrittore africano accusato di plagio nella Parigi degli anni Trenta: la coincidenza è troppo esatta per non dirla, ed è parte della ragione per cui la sua voce in questa vicenda pesa più di altre.
Il testo fa una cosa difficile e la fa in modo pulito: rifiuta il procedimento senza pronunciarsi sul merito, e lo dichiara. «Ignoro se Thélyson Orélien abbia usato l’IA per questo libro», scrive; e insieme, «provo una compassione profonda per Thélyson Orélien in questo momento», e «odio gli eccessi mediatici che hanno l’aspetto di una ghigliottina sbrigativa». Poi la frase che l’archivio tiene: «non si può ignorare o minimizzare, in questa vicenda, la dimensione razziale». E la richiesta minima: «vorrei che si lasciasse a questo autore una possibilità di spiegarsi».
Vale come strumento, non solo come documento, per la forma dell’argomento. Sarr non dice che Orélien è innocente, non contesta i punteggi del software, non difende un amico. Separa due questioni che in quei giorni quasi tutti hanno tenuto insieme: se la tesi sia vera, e se il modo in cui la si è stabilita sia accettabile. La seconda si può giudicare senza avere accesso alla prima, e giudicarla è doveroso proprio quando non si sa come stia la prima — perché è lì che un procedimento difettoso fa il danno maggiore. È il motivo per cui questo sito tiene la scheda accanto a quella del comunicato dell’Accademia e non al posto suo.
La dimensione che Sarr nomina è la parte che la stampa italiana ha quasi interamente saltata, e va riportata con i fatti: Orélien è haitiano e canadese, nero, francofono ma non francese; l’accusa è partita da un account anonimo intitolato al software che la sosteneva, gestito — come si è scoperto il 25 settembre — da un cronista del Figaro che dal 2025 lavora in un fondo che investe in startup di intelligenza artificiale, e che un mese prima aveva firmato una cronaca intitolata «In un mondo in cui tutti scrivono con l’IA, nessuno vorrà più leggere». Lo stesso Claudel, presidente dell’Accademia, aveva chiesto il 23 settembre: «Perché questa informazione esce adesso? Avete un autore haitiano e canadese, nero, francofono ma straniero. Altrettanti temi che possono sembrare piccanti in un periodo in cui le passioni si infiammano.»
Il sito non prende posizione sulla colpevolezza, che non è materia sua e che nel frattempo si è spostata su un terreno — il plagio — dove le prove sono documentali. Prende posizione su una cosa sola, ed è quella di Sarr: un procedimento che inverte l’onere della prova, affida l’accertamento a uno strumento mai validato sul materiale in questione e si svolge in ventiquattro ore su una piattaforma, non è un procedimento, qualunque cosa accerti.
Kate Klonick su Lawfare, 29 luglio 2026. Klonick insegna diritto alla St. John’s University ed è fellow della Brookings Institution; si occupa da anni di governance delle piattaforme. Il pezzo esce otto giorni dopo la dichiarazione congiunta di OpenAI e Hugging Face, e fa una cosa che quasi nessuno ha fatto in quei giorni: separa il fatto dalla cornice.
Klonick registra tre racconti in concorrenza sullo stesso evento. Gli ottimisti dell’AI che celebrano la capacità dimostrata dai modelli; i sostenitori del rischio esistenziale che vi leggono la conferma degli allarmi sulla superintelligenza; e i professionisti della cybersicurezza che si chiedono se ci sia stata davvero una fuga. La terza lettura è quella che il pezzo adotta, e la porta con due voci a verbale. Dan Guido, di Trail of Bits: si è trattato di «un fallimento di contenimento con le sicurezze disattivate». Jake Williams, di IANS Research: «Se si rivela un fallimento di controllo nel laboratorio di red teaming di OpenAI, perché mai un’azienda dovrebbe fidarsi di loro?»
Il fatto su cui poggia la deflazione è nel documento della stessa OpenAI: per condurre quei test l’azienda aveva abbassato le protezioni dei modelli. Non si tratta quindi di sistemi che hanno superato difese robuste, ma di difese spente per ragioni sperimentali. Nella formulazione di Klonick, OpenAI «ha disattivato le proprie salvaguardie, configurato male il proprio contenimento, ed esposto un terzo a un danno reale senza alcuna supervisione esterna».
Da qui la frase che il sito porta via, perché è la forma più compatta del criti-hype che si sia incontrata finora: «L’istinto dell’azienda è stato comunque quello di descrivere il proprio fallimento di controllo nel registro dello stupore.» Chi ha sbagliato un contenimento ha un interesse a che l’episodio venga letto come una dimostrazione di potenza, perché la potenza si vende e la negligenza si paga — ed è la stessa struttura per cui dichiarare pericoloso il proprio sistema funziona da certificato di capacità.
Klonick però non liquida la parte avversa, e questo è ciò che rende il pezzo uno strumento e non una polemica: riconosce che la comunità della sicurezza dell’AI «può plausibilmente rivendicare una conferma», perché «un agente autonomo che viola il contenimento e attacca un terzo reale è precisamente lo scenario di cui i ricercatori avvertono da anni». Le due cose stanno insieme: l’episodio è insieme una conferma di uno scenario temuto e un caso di cattiva ingegneria raccontato male. La conclusione indica dove debba andare la responsabilità, ed è una riga: «I modelli non sono scappati perché sono dèi. Sono scappati perché qualcuno ha lasciato la porta aperta. Il Congresso dovrebbe regolare la porta.»
Vale come strumento oltre il caso. Davanti a qualunque incidente in cui un’organizzazione descrive il proprio malfunzionamento in termini di capacità emergente, la domanda da porre è quella di Klonick: quali difese erano attive, e chi le ha spente.
Lettera aperta pubblicata il 28 luglio 2026, una settimana dopo la dichiarazione congiunta su quanto accaduto fra OpenAI e Hugging Face, e organizzata da due organizzazioni indipendenti senza scopo di lucro, Guidelight AI Standards ed Encode AI. I firmatari sono dipendenti dei laboratori di frontiera — OpenAI, Anthropic, Google DeepMind, Meta AI e altri — ed erano 1.134 il giorno del lancio; il conteggio scorre, e alla lettura di questa scheda erano 1.386.
La richiesta è una sola e va riportata com’è, perché non è una moratoria: che il governo degli Stati Uniti «sostenga uno sforzo internazionale per sviluppare gli strumenti tecnici e di governo necessari a regolare deliberatamente il passo della frontiera dello sviluppo automatizzato dell’AI». Non chiedono di fermarsi; chiedono che esista la capacità di rallentare, e che non esista solo sulla carta di una singola azienda. La ragione dichiarata è che c’è «un rischio reale che lo sviluppo delle capacità acceleri rapidamente oltre la nostra possibilità di comprendere o controllare i sistemi che ne risultano», e che le principali aziende del settore ritengono di poter essere vicine ad automatizzare la ricerca sull’AI stessa.
Il punto che fa entrare il documento in archivio è però strutturale, e lo formulano loro: nessuna azienda può rallentare da sola, perché la pressione competitiva glielo impedisce. È un dilemma del prigioniero descritto dall’interno da chi vi è dentro, e la conseguenza che ne traggono è coerente — se il problema è la struttura degli incentivi e non la volontà dei singoli, la soluzione non può essere una promessa aziendale, deve essere un meccanismo esterno e coordinato.
Qui va segnalata una cosa, perché riguarda il modo in cui la lettera è stata riportata e perché questo archivio ci è quasi cascato. Parte della stampa ha scritto che Anthropic e OpenAI avrebbero sottoscritto ufficialmente la lettera. Il documento dice l’opposto: le adesioni sono personali, e le aziende in quanto istituzioni non l’hanno sottoscritta. La differenza non è formale. Nella versione riportata, i produttori chiedono allo Stato di essere frenati, che è la struttura classica dell’allarme interessato — annunciare il proprio pericolo è un modo di accreditare la propria potenza. Nella versione vera, a chiedere il freno sono le persone che costruiscono quei sistemi, contro, o almeno accanto, all’interesse dichiarato di chi le paga, e senza la copertura del proprio datore di lavoro. La seconda è una cosa diversa e più seria della prima, e si perde se si copia il riassunto invece di leggere la fonte.
Il dato che corregge, allora, è doppio. Primo: l’idea che chi lavora nei laboratori di frontiera sia compatto nell’accelerazione, o silenzioso, non regge davanti a più di mille firme verificate per affiliazione. Secondo: la copertura di un documento pubblico può invertirne il senso politico in una riga, e il controllo costa il tempo di aprire il link.
Ad aprile 2022 Bruxelles approva il Digital Services Act e Zuboff vi legge l’inizio di una riscossa democratica. Il vuoto risale al 1997, quando il quadro per il commercio elettronico di Bill Clinton e Al Gore affidò privacy, classificazione dei contenuti e tutela dei consumatori all’autoregolazione dei privati; in quel vuoto si è insediato il capitalismo della sorveglianza. Il DSA rende le aziende responsabili dei danni sociali dei loro servizi, impone verifiche indipendenti e apre ai ricercatori la scatola nera degli algoritmi. La legge smonta il racconto dell’inevitabilità tecnologica: la storia degli ultimi vent’anni è stata una storia di potere, e ciò che è stato fatto dalle persone si può disfare con l’azione democratica. Zuboff avverte che molto di ciò che accade negli spazi digitali è illegittimo ma, essendo senza precedenti, non è ancora illegale, e che servono nuove carte dei diritti come quelle del Novecento. Pochi giorni dopo ripete la tesi in un’intervista a Time, appena dopo l’acquisto di Twitter da parte di Elon Musk, con un’immagine efficace: Musk e il DSA sono i due fermalibri del passato e del futuro.
Editoriale di Deborah Mayo su Conservation Biology del 6 dicembre 2021 — una filosofa della statistica chiamata a dire la sua dentro il dibattito metodologico di una scienza applicata, il che è già metà dell’interesse. Il tema apparente sono i p-value; il tema reale è chi abbia titolo a fissare lo standard di prova di una disciplina.
L’attrezzo che porta è il conflitto di interessi intellettuale, e la formulazione è sua: «Avere il potere di imporre una politica del genere può creare un conflitto d’interessi. A differenza di un conflitto tipico, questo è intellettuale, e può minacciare proprio gli obiettivi di integrità, riproducibilità e trasparenza che si propone.» Non si tratta di denaro, di consulenze o di azioni, e proprio per questo non compare in nessuna delle dichiarazioni che le riviste pretendono. Eppure funziona come ogni conflitto: chi decide la regola secondo cui gli altri saranno valutati ha un interesse nella regola, e se la regola coincide con la posizione che sostiene da vent’anni in una disputa aperta, imporla non è un atto tecnico.
Il caso concreto è la vicenda dell’American Statistical Association, negli Stati Uniti, fra il 2016 e il 2021. La dichiarazione del 2016 si limitava a segnalare le fallacie nell’uso dei p-value ed era, scrive Mayo, «largamente non controversa». L’editoriale del 2019 di Wasserstein e colleghi va molto oltre: arriva a un passo dal raccomandare l’abbandono della dizione «statisticamente significativo» e sostiene che il superamento di una soglia «non dovrebbe essere considerato in alcun modo nell’interpretazione dei dati». Nello stesso anno un commento su Nature chiede di mandare in pensione la significatività statistica e raccoglie oltre ottocento firme — che Mayo tratta come un argumentum ad populum, non come un argomento. La disputa è finita quando la Task Force nominata dal presidente ASA ha dovuto chiarire che quell’editoriale non era politica ufficiale dell’associazione, e che «i p-value sono misure statistiche valide, che forniscono convenzioni utili per comunicare l’incertezza inerente ai risultati quantitativi».
Dentro c’è la frase che vale l’ingresso da sola, perché è la logica del not even wrong detta in un altro dominio: «Ciò che la posizione senza soglie fa, se presa alla lettera, è precludere il test. Se non si può dire in anticipo di nessun risultato che non sarà ammesso a contare in favore di una tesi, allora quella tesi non la si sta testando.» L’argomento pratico che ne segue è controintuitivo e regge: togliere le soglie non riduce il data dredging, lo rende invisibile, perché il ricercatore ha comunque bisogno di un numero piccolo per sostenere un effetto, e in assenza di una soglia dichiarata nessuno può più distinguere il numero piccolo ottenuto per disciplina da quello ottenuto per insistenza. Mayo sostiene invece la preregistrazione delle ipotesi e delle regole di arresto, «uno dei modi più efficaci di promuovere la replicazione», e soglie scelte con una giustificazione teorica invece che per abitudine allo 0,05.
La ragione per cui la scheda entra in archivio non è però l’esito di quella lite, ed è utile dirlo: Mayo è parte in causa, sostiene una delle due posizioni in campo, e questo editoriale è anche una mossa nella sua guerra. L’attrezzo resta valido per chiunque, compresa lei. Si applica a un comitato che sceglie i benchmark su cui sarà misurato un modello, a un’agenzia che fissa il criterio di approvazione di un farmaco, a un sistema di valutazione universitaria progettato da chi sarà valutato. La domanda non è se chi decide sia in buona fede — di norma lo è — ma se la regola che impone sia quella che difende.
Nella formulazione più tagliente, che viene da un suo articolo di due anni prima sull’European Journal of Clinical Investigation: «L’argomento le soglie di significatività possono essere usate molto male, dunque togliamo le soglie è un argomento molto cattivo.»
The Annals of Applied Statistics 15(3), 2021, pp. 1084–1085, riprodotto ad accesso libero sulla Harvard Data Science Review e su Amstat News. Due pagine, e chiudono cinque anni di guerra istituzionale.
Serve prima la genealogia, perché la vicenda viene ricordata al contrario. Nel 2016 l’American Statistical Association pubblica i sei principi sui p-value: prudenti, condivisi. Nel 2019 un editoriale di Wasserstein, Schirm e Lazar su The American Statistician va molto oltre e arriva a un passo dal raccomandare l’abbandono della significatività statistica. Nello stesso anno il presidente dell’ASA istituisce una task force proprio per la ragione che il documento dichiara in apertura: «Nel 2019 il presidente dell’American Statistical Association ha istituito una task force per affrontare le preoccupazioni che un editoriale del 2019 su The American Statistician (una rivista ASA) potesse essere erroneamente interpretato come politica ufficiale dell’ASA.» Lo scopo, testuale, è «chiarire che l’uso dei p-value e dei test di significatività, applicati e interpretati correttamente, sono strumenti importanti che non dovrebbero essere abbandonati».
La prima riga dello statement è la frase da citare, e va letta sapendo da chi arriva: «I p-value sono misure statistiche valide, che forniscono convenzioni comode per comunicare l’incertezza inerente ai risultati quantitativi.» I cinque punti che seguono si aprono così: catturare l’incertezza associata ai riassunti statistici è cruciale; trattare replicabilità e incertezza sta al cuore della scienza statistica; il controllo dell’incertezza comincia dal disegno dello studio e continua in ogni fase fino al reporting; e infine, contro la tesi del 2019, «le soglie sono utili quando sono richieste azioni. Confrontare i p-value con un livello di significatività può essere utile, anche se i p-value forniscono da sé informazione di valore». Con la cautela che resta: «i p-value e la significatività statistica dovrebbero essere intesi come valutazioni di osservazioni o effetti relative alla variabilità campionaria, e non necessariamente come misure di significatività pratica».
Sulla firma e sulla composizione vanno fatte due precisazioni che la letteratura secondaria sbaglia. Karen Kafadar non presiedeva la task force: l’ha istituita in quanto presidente dell’ASA nel 2019 ed è firmataria d’ufficio; i co-presidenti sono Xuming He, dell’Università del Michigan, e Linda J. Young, del servizio statistico del dipartimento dell’agricoltura statunitense. Fra i quattordici membri ci sono Yoav Benjamini, Bradley Efron, Xiao-Li Meng, Nancy Reid e Stephen Stigler. E i documenti sono due, distinti e da citare separatamente: lo statement (pp. 1084–1085) e l’editoriale di accompagnamento di Kafadar (pp. 1081–1083).
Resta il dettaglio che dice tutto sulla natura della vicenda, ed è la ragione per cui la scheda entra come dato che corregge. Lo statement non è politica ufficiale dell’ASA: il consiglio non l’ha adottato, ed è per questo che è uscito su una rivista con un editoriale a fianco invece che come documento dell’associazione. La formula con cui gli autori lo dicono è quasi imbarazzata: «Questo documento è lo statement della task force, e l’ASA ci ha invitati a renderlo pubblico.» Una task force istituita per chiarire che un editoriale non era politica ufficiale produce un documento che a sua volta non è politica ufficiale — ed è esattamente la struttura che Mayo, pochi mesi dopo, descriverà come conflitto di interessi intellettuale.
Comment su Nature 567, n. 7748, pp. 305–307, pubblicato online il 20 marzo 2019, firmato da Valentin Amrhein, Sander Greenland, Blake McShane «e più di 800 firmatari». Nota bibliografica: il titolo online è quello riportato qui, quello della versione a stampa è Retire statistical significance. Non è ad accesso libero.
La distinzione da fissare, perché è quella che tutta la ripresa successiva ha confuso, è fra due richieste diverse. Quello che chiedono: «Concordiamo, e chiediamo che l’intero concetto di significatività statistica sia abbandonato», e più precisamente «chiediamo che si smetta di usare i p-value nel modo convenzionale, dicotomico — per decidere se un risultato refuti o sostenga un’ipotesi scientifica». Quello che non chiedono, detto da loro in due punti distinti dell’articolo: «Non stiamo chiedendo un divieto dei p-value» e «di nuovo, non stiamo sostenendo un divieto dei p-value, degli intervalli di confidenza o di altre misure statistiche — solo che non dovremmo trattarli categoricamente». Chiedono anzi che i p-value continuino a essere riportati, e con più precisione di adesso: «Quando i p-value sono riportati, saranno dati con precisione sensata (per esempio, P = 0,021 o P = 0,13).» L’oggetto dell’abolizione è la soglia e l’etichetta, non lo strumento.
L’argomento forte è quello contro l’inferenza dal non significativo all’assenza di effetto, e viene con un caso che si può citare da solo. Due studi sui farmaci antinfiammatori e la fibrillazione atriale di nuova insorgenza trovano lo stesso identico rapporto di rischio, 1,2. Il primo, statisticamente non significativo, ha un intervallo al 95 per cento che va da una diminuzione del rischio del 3 per cento a un aumento del 48 (p = 0,091), e i suoi autori concludono che l’esposizione «non era associata» alla fibrillazione. Il secondo, significativo, ha un intervallo che va dal 9 al 33 per cento di aumento (p = 0,0003). Le due stime puntuali coincidono: differisce solo la precisione. «È ridicolo concludere che i risultati statisticamente non significativi mostrassero nessuna associazione.» E la diffusione dell’errore è misurata: «Indagini su centinaia di articoli hanno trovato che i risultati statisticamente non significativi sono interpretati come indicanti nessuna differenza o nessun effetto in circa la metà dei casi.»
La proposta terminologica è l’altra cosa esportabile: rinominare gli intervalli di confidenza intervalli di compatibilità, perché «tutti i valori fra i limiti dell’intervallo sono ragionevolmente compatibili con i dati, date le assunzioni statistiche usate per calcolare l’intervallo» — da cui segue che «isolare un valore particolare (come il valore nullo) nell’intervallo come mostrato non ha senso», e che «un intervallo che contiene il valore nullo conterrà spesso anche valori non nulli di grande importanza pratica». Con la simmetria che di solito si dimentica: i valori fuori dall’intervallo non sono incompatibili, «sono solo meno compatibili».
Sui firmatari va detto come sono stati raccolti, perché è una bozza circolata e non un sondaggio: «Quando abbiamo invitato altri a leggere una bozza di questo commento e a firmare se concordavano con il nostro messaggio, 250 lo hanno fatto nelle prime 24 ore»; dopo una settimana erano più di 800, tutti verificati per affiliazione accademica o lavoro in un campo che dipende dalla modellazione statistica. La cifra di 854 che circola nella letteratura secondaria viene dal materiale supplementare; nell’articolo la formula è «più di 800». E la chiusa è quella che fa vedere che la richiesta è più modesta di come è stata letta: «I p-value, gli intervalli e le altre misure statistiche hanno tutti il loro posto, ma è tempo che la significatività statistica se ne vada.»
The American Statistician 70, n. 2, 2016, pp. 129–133, firmato dal direttore esecutivo dell’American Statistical Association e dalla direttrice della rivista. È la prima volta che un’associazione professionale di statistici prende posizione pubblica sull’uso di un singolo strumento, e resta il documento da cui partire. Nota bibliografica: il titolo esiste in due forme, The ASA Statement nella versione online e The ASA’s Statement nel PDF a stampa.
La definizione che il documento dà di sé stesso vale come misura di prudenza: «Informalmente, un p-value è la probabilità, sotto un modello statistico specificato, che un riassunto statistico dei dati sia uguale o più estremo del suo valore osservato.»
I sei principi, nella loro formulazione. Primo: i p-value possono indicare quanto i dati siano incompatibili con un modello statistico specificato. Secondo: non misurano la probabilità che l’ipotesi studiata sia vera, né la probabilità che i dati siano stati prodotti dal solo caso — «è un’affermazione sui dati in relazione a una spiegazione ipotetica specificata, e non è un’affermazione sulla spiegazione stessa». Terzo: le conclusioni scientifiche e le decisioni aziendali o politiche non dovrebbero basarsi solo sul fatto che un p-value superi una soglia specifica, perché «una conclusione non diventa immediatamente vera su un lato della linea di divisione e falsa sull’altro». Quarto: un’inferenza corretta richiede reporting completo e trasparenza, e «non è necessario condurre formalmente test statistici multipli perché questo problema si presenti: ogni volta che un ricercatore sceglie cosa presentare sulla base dei risultati statistici, l’interpretazione valida di quei risultati è gravemente compromessa se il lettore non è informato della scelta e del suo fondamento». Quinto: un p-value, o la significatività statistica, non misura la dimensione di un effetto né l’importanza di un risultato, perché «qualunque effetto, non importa quanto minuscolo, può produrre un p-value piccolo se la dimensione del campione o la precisione della misura sono abbastanza alte». Sesto: da solo, un p-value non fornisce una buona misura dell’evidenza riguardo a un modello o a un’ipotesi — «per esempio, un p-value vicino a 0,05, preso da solo, offre soltanto evidenza debole contro l’ipotesi nulla».
Il sesto è quello che l’archivio tiene, perché è quello che la pratica ignora: viene dalla stessa associazione che certifica lo strumento, e dice che lo strumento non fa il lavoro che gli si chiede. La chiusa del documento è la frase da ricordare: «Nessun singolo indice dovrebbe sostituire il ragionamento scientifico.»
Due cose sul processo, che spiegano il peso del testo. Nasce nel febbraio 2014 da una domanda posta al forum dell’ASA da George Cobb, che la formulò come un cerchio: «Lo insegniamo perché è ciò che facciamo; lo facciamo perché è ciò che insegniamo.» Il consiglio direttivo incarica Wasserstein di riunire un gruppo, che arriva a oltre due dozzine di persone; venti si riuniscono ad Alexandria, in Virginia, nell’ottobre 2015 per due giorni, con Regina Nuzzo a facilitare; la dichiarazione è approvata il 29 gennaio 2016 ed esce il 7 marzo. Fra i venticinque commentatori ringraziati per nome ci sono Deborah Mayo, Andrew Gelman, John Ioannidis, Sander Greenland, Valen Johnson e Steve Goodman, cioè quasi tutte le parti in causa della disputa — e i loro commenti firmati sono nel supplemento online.
Un’ultima avvertenza, che vale come esercizio di igiene delle fonti: la frase più citata in assoluto su questo materiale, «il p-value non è mai stato pensato come sostituto del ragionamento scientifico», non è nell’articolo. È una dichiarazione di Wasserstein nel comunicato stampa dell’ASA del 7 marzo 2016. Chi la attribuisce a The American Statistician non ha letto la fonte.