Dal Mit, la macchina che prevede il comportamento umano

SCRIVONO, sognano, fanno calcoli e giocano a scacchi meglio di noi, ma quando si tratta di creatività e di intuizione dovremmo continuare a superare i computer ancora per un bel po'. O almeno, è quel che ci piace pensare. L'ultima invenzione dei ricercatori del Computer Science and Artificial Intelligence Laboratory dell'Mit, invece, potrebbe farci ricredere: si tratta di un programma in grado di intuire come si comporterà un essere umano, con risultati paragonabili (se non migliori) a quelli di una persona in carne e ossa. Il dispositivo, presentato durante la recente IEEE Data Science and Advanced Analytics Conference di Parigi, è una Data Science Machine: un sistema automatico in grado di sviluppare modelli predittivi partendo da grandi database di dati grezzi, come possono essere ad esempio le informazioni raccolte nei server di Google o di Facebook. Come tutti i meccanismi di data science (cioè di analisi scientifica di grandi set di dati), il dispositivo è pensato per estrarre informazioni, individuare pattern e relazioni, ed estrapolare previsioni. Normalmente ad affiancare una macchina in questa attività c'è un operatore umano, che deve scegliere gli elementi rilevanti, chiamati variabili, tra quelli immagazzinati nel database (come ad esempio età, sesso, o formazione scolastica degli utenti di un sito internet), intuire quali correlazioni potrebbero nascondervisi (abitudini, tipo di acquisti, preferenze politiche o culturali) e chiedere poi al computer di effettuare i calcoli. I ricercatori dell'Mit hanno però sviluppato una tecnica, definita Deep Feature Synthesis, che permette alla macchina di individuare da sola le variabili rilevanti all'interno di un database, e di intuire come utilizzarle. Per verificare l'efficacia del loro dispositivo, i ricercatori dell'Mit hanno iscritto la loro macchina a tre competizioni di data science, in cui il computer ha gareggiato contro 906 team di ricercatori in carne e ossa. Per farsi un'idea, in una delle gare si chiedeva ad esempio ai partecipanti di predire quali tra gli studenti di un programma di apprendimento online avrebbe abbandonato il corso entro 10 giorni dall'inizio, utilizzando le informazioni registrate nei server del sito riguardo interazioni degli utenti con i contenuti disponibili. Il dispositivo dell'Mit ha risolto il problema, intuendo che, per scoprire chi si sarebbe ritirato dal corso, bastava guardare due variabili: con quanto anticipo gli studenti iniziassero a lavorare agli esercizi assegnati dai docenti, e il tempo medio che trascorrevano sul sito del corso. Grazie a questa "intuizione", la macchina è riuscita a superare l'86% dei partecipanti (umani) alla competizione. E ancora: l'algoritmo è riuscito a prevedere se un progetto di crowdfounding sarebbe stato considerato o meno "eccitante" dal pubblico; e riconoscere quali compratori di un sito di shopping online sarebbero diventati clienti abituali. Non male, in effetti, per essere i primi tentativi. In totale il dispositivo ha sconfitto 615 dei team iscritti alle competizioni. Non è ancora in grado di vincere sempre contro gli esseri umani, ma, spiegano i suoi inventori, offre risultati simili e in molto meno tempo: un esperto di data science lavora per mesi ai propri algoritmi, mentre la macchina dell'Mit ha impiegato solo 12 ore per elaborare quelli utilizzati nelle gare. Per questo, i ricercatori immaginano che potrebbe trovare presto utilizzo in questo campo di studi. "Pensiamo alla nostra Data Science Machine come un complemento naturale dell'intelligenza umana", spiega Max Kanter, uno degli autori del dispositivo. "Ci sono tantissimi dati là fuori che potrebbero essere analizzati, e non vengono utilizzati solo per mancanza di tempo. Ora invece potremmo avere una soluzione che ci dia almeno un indizio, qualcosa da cui da cui partire".