mercoledì 28 Settembre 2022

Facebook mi conosce meglio di mia mamma

Da non perdere

Facebook mi conosce meglio di mia mamma (prima parte in collaborazione con Baia)

LOGO_BAIA_UFF
Logo BAIA

Oggi San Valentino non si serve più delle frecce di Cupido, ma degli algoritmi. Il 40% dei single americani si affida infatti a siti di dating, ossia di incontri, per la propria ricerca dell’anima gemella. Ebbene: il motore che muove questi siti, il cuore del loro funzionamento, è null’altro che un modello di intelligenza artificiale, precisamente una tipologia di algoritmi di machine learning chiamata “sistemi di raccomandazione”, o “recommender systems”. 

I TERMINI

Con questi termini si indicano tutti quei software che suggeriscono a un utente un oggetto da comperare, una persona da incontrare o un libro da acquistare sulla base delle caratteristiche proprie dell’utente stesso.

sistemi_raccomandazione
Immagine tratta dallo studio “Wu Youyou, Michal Kosinski, and David Stillwell; Computer-based personality judgments are more accurate than those made by humans, PNAS January 27, 2015 112 (4) 1036-1040

I SISTEMI

I sistemi di raccomandazione sono ovunque, e stanno influenzando sempre di più la nostra vita. Questa tipologia di intelligenza artificiale suggerisce i film da vedere su Netflix, la musica di Spotify, gli acquisti consigliati da Amazon; anche la funzione di autocompletamento di Google utilizza questa tipologia di intelligenza artificiale, suggerendo la “giusta” richiesta da sottoporre al motore di ricerca.

GLI ALGORITMI

Gli algoritmi di raccomandazione “imparano” i gusti dell’utente sulla base della sua storia precedente. In altre parole, se io sono un fan di libri di storia e ne ho acquistati diversi su una libreria online, il sistema mi suggerirà l’acquisto di volumi analoghi, ipotizzando che io sia interessato a tale genere.  

I recommender systems tengono conto delle preferenze espresse, preferenze che possono essere esplicite (come le stelle di gradimento, o gli acquisti effettuati), o implicite, come ad esempio il tempo trascorso a leggere i post di persone specifiche su Facebook. Oltre alle preferenze personali, i sistemi di raccomandazione si basano sulle scelte effettuate da utenti “simili” a noi: “similitudine” che è misurata a sua volta o tramite criteri oggettivi (età, residenza, attività lavorativa, genere…) o per analogie di comportamento. Gli tenti sono così suddivisi in cluster, gruppi di persone che hanno un atteggiamento analogo di fronte a certi prodotti. La rete neurale si incarica di raccogliere tutti i dati dei singoli utenti, fornendo per ciascuno di questi dei suggerimenti personalizzati. 

È esperienza di tutti noi quanto questo meccanismo sia efficiente, e come a volte i suggerimenti proposti siano davvero “azzeccati”, riferendosi ad oggetti davvero di interesse. A volte, addirittura, si ha l’impressione che i siti ci conoscano meglio di noi stessi, perché le loro proposte ci coinvolgono realmente. In realtà, non si tratta di magia, ma dell’applicazione della regola d’oro del machine learning, ossia della costruzione di un modello di intelligenza artificiale basato su milioni – se non miliardi – di dati, che aiutano a costruire un modello estremamente preciso. 

Uno studio del 2015, condotto da David Stillwell dell’Università di Cambridge e pubblicato sulla rivista scientifica Pnas, mostrò infatti che i like espressi su Facebook permettono a questi algoritmi di valutare la personalità degli utenti del social media con precisione maggiore rispetto ai giudizi espressi da “amici, familiari, coniugi, colleghi…”. Insomma: Facebook mi conosce meglio di mia mamma!

IN CONCLUSIONE

Un risultato eccezionale, che ha però delle grandi controindicazioni, perché ha consegnato nelle mani dei social media un grande potere utilizzabile non solamente a fini di marketing, come vedremo nella prossima puntata assieme ai rimedi messi in atto dagli stessi social media.

Andrea Carobene, Direttore di Baia, Business Artificial Intelligence Agency, www.baia.techa.carobene@baia.tech

LOGO_BAIA_UFF
- Advertisement -spot_img
- Advertisement -spot_img

Articoli recenti

- Advertisement -spot_img
- Advertisement -spot_img