La scorciatoia by Nello Cristianini;

autore:Nello, Cristianini; [Cristianini, Nello ]
La lingua: ita
Format: epub
Tags: La cultura scientifica, Contemporanea
ISBN: 9788815374684
editore: Societa editrice il Mulino Spa
pubblicato: 2023-05-15T00:00:00+00:00

Il metodo della stele di Rosetta

Il metodo, descritto all’inizio di questo capitolo, per inferire informazioni personali a partire da dichiarazioni pubbliche su Facebook, è un caso particolare di una tecnica generale per costruire le scorciatoie discusse nel capitolo 2. Lo chiameremo il metodo della Stele di Rosetta, perché ricorda la stele che portava tre traduzioni dello stesso decreto di Tolomeo V, e che consentì agli archeologi di decifrare i geroglifici egiziani. Date due descrizioni diverse della stessa informazione, per esempio diverse «visioni» dello stesso utente di Facebook, possiamo usare degli algoritmi statistici per scoprire eventuali relazioni tra esse, in modo che possiamo poi tradurre da una rappresentazione all’altra anche informazioni relative ad altri utenti.

Per esempio, possiamo collegare i mi piace di un utente su Facebook con i suoi punteggi nel test di personalità e poi usare questa connessione per predire la personalità anche per altri utenti (di cui conosciamo solo i «mi piace»). Ma ugualmente potremmo collegare attributi demografici di un cliente ai suoi acquisti, o un testo in una lingua allo stesso testo in un’altra lingua.

Questo metodo può essere molto utile quando una delle due rappresentazioni è costosa, o non è pubblicamente disponibile, e l’altra è a basso costo o pubblica: in questo caso si può inferire l’attributo costoso per un grande numero di individui, semplicemente osservando informazioni pubbliche o a basso costo su di loro, e senza il bisogno di sviluppare una comprensione più profonda del necessario, in altre parole prendendo una scorciatoia.

La stessa idea è stata usata molte volte, per esempio per inferire le intenzioni di voto o di acquisto di una grande popolazione partendo da un numero limitato di sondaggi telefonici, quando certe informazioni demografiche, o gli acquisti precedenti, sono disponibili per tutti i membri della popolazione. L’analisi potrebbe rivelare per esempio che i «proprietari di case sposati che bevono vino rosso» tendono a votare per il Partito Democratico, o a comperare scarpe sportive, permettendo di mirare meglio i messaggi pubblicitari.

Altri usi, tentati o compiuti, vanno dalla previsione del credit score sulla base dei contenuti pubblicati sui social media, all’identificazione di clienti che potrebbero essere incinte, all’individuazione di potenziali frodi nell’assegnazione di benefici sociali, o perfino anche di clienti che potrebbero essere sul punto di cambiare fornitore. Tutte queste inferenze non richiedono la cooperazione del soggetto, il che pone una serie di problemi etici, come nel caso di uno studio recente in cui si tentava di indovinare l’orientamento sessuale di utenti online, e addirittura alcune affermazioni sul fatto che si potrebbero costruire «macchine della verità» su principi simili.

Uno statistico tradizionale potrebbe chiamare questo metodo semplicemente «segmentazione», ma un moderno data scientist parlerebbe di «clonare» una lista di clienti che hanno comperato un certo prodotto per generarne una equivalente da contattare. Un aspetto chiave dell’intero approccio è che richiede sempre grandi quantità di informazioni sui comportamenti passati, talvolta anche molto personali, da combinare poi con un’analisi automatica mediante algoritmi di machine learning.

Una storia ha avuto una particolare influenza nel propagandare questo metodo, anche se poi risultò essere

scaricare

Disconoscimento:
Questo sito non memorizza alcun file sul suo server. Abbiamo solo indice e link                                                  contenuto fornito da altri siti. Contatta i fornitori di contenuti per rimuovere eventuali contenuti di copyright e inviaci un'email. Cancelleremo immediatamente i collegamenti o il contenuto pertinenti.