WEBVTT 00:00:01.360 --> 00:00:03.439 Salve a tutti, siete all'ascolto di 00:00:03.439 --> 00:00:05.759 INSiDER - Dentro la Tecnologia, 00:00:05.759 --> 00:00:08.000 un podcast di Digital People e 00:00:08.000 --> 00:00:09.199 io sono il vostro host, 00:00:09.199 --> 00:00:10.240 Davide Fasoli. 00:00:17.015 --> 00:00:19.734 Oggi parleremo di algoritmi di raccomandazione, 00:00:19.894 --> 00:00:21.974 ovvero di tutti quegli algoritmi in 00:00:21.974 --> 00:00:23.974 grado di raccogliere ed elaborare i 00:00:23.974 --> 00:00:26.054 dati degli utenti per prevederne le 00:00:26.054 --> 00:00:28.454 scelte e fornire loro un'esperienza d'uso 00:00:28.454 --> 00:00:30.179 su misura anche in questo periodo 00:00:30.179 --> 00:00:31.219 di festività. 00:00:31.219 --> 00:00:32.739 Prima di passare alle notizie che 00:00:32.739 --> 00:00:34.579 più ci hanno colpito questa settimana, 00:00:34.579 --> 00:00:36.500 vi ricordo che potete seguirci su 00:00:36.500 --> 00:00:40.500 Instagram a @dentrolatecnologia, iscrivervi alla newsletter 00:00:40.500 --> 00:00:42.420 e ascoltare un nuovo episodio ogni 00:00:42.420 --> 00:00:44.395 sabato mattina, su Spotify, 00:00:44.395 --> 00:00:47.355 Apple Podcast, YouTube Music oppure direttamente 00:00:47.355 --> 00:00:48.475 sul nostro sito. 00:01:01.539 --> 00:01:02.899 Un esempio di come i governi 00:01:02.899 --> 00:01:05.299 stanno affrontando le sfide legate all'intelligenza 00:01:05.299 --> 00:01:07.620 artificiale proviene dal Regno Unito, 00:01:07.620 --> 00:01:08.979 dove il Governo ha avviato una 00:01:08.979 --> 00:01:11.994 consultazione pubblica su temi quali l'etichettatura 00:01:11.994 --> 00:01:15.114 delle opere generate dall'intelligenza artificiale, 00:01:15.114 --> 00:01:17.515 l'uso dell'IA nel settore educativo e 00:01:17.515 --> 00:01:19.674 l'impiego di opere protette da copyright 00:01:19.674 --> 00:01:22.554 per l'addestramento dei modelli di intelligenza artificiale. 00:01:22.960 --> 00:01:24.799 In merito a quest'ultimo aspetto, 00:01:24.799 --> 00:01:27.120 la proposta prevede un'eccezione per il 00:01:27.120 --> 00:01:29.120 "text" e "data" mining, 00:01:29.120 --> 00:01:31.680 che consentirebbe l'utilizzo di contenuti protetti 00:01:31.680 --> 00:01:33.760 lasciando però agli autori la possibilità 00:01:33.760 --> 00:01:35.120 di riservare i propri diritti. 00:01:35.444 --> 00:01:38.245 Ciò potrebbe avvenire escludendo determinate opere 00:01:38.245 --> 00:01:41.364 o concedendone l'uso tramite licenze a pagamento. 00:01:41.444 --> 00:01:42.805 Il governo mira quindi a una 00:01:42.805 --> 00:01:45.765 soluzione "win-win", ma dovrà affrontare sfide 00:01:45.765 --> 00:01:47.924 legate alla fiducia tra sviluppatori e 00:01:47.924 --> 00:01:51.319 titolari di diritti, alla regolamentazione internazionale 00:01:51.400 --> 00:01:54.760 e all'implementazione tecnica dell'opt-out per chi 00:01:54.760 --> 00:01:56.200 non desidera che i propri dati 00:01:56.200 --> 00:01:58.680 siano utilizzati per addestrare l'AI. 00:01:58.680 --> 00:02:01.079 Questo sistema, ispirato a quello dell'Unione 00:02:01.079 --> 00:02:02.715 Europea con l'AI Act, 00:02:02.715 --> 00:02:04.795 mira a garantire maggior trasparenza da 00:02:04.795 --> 00:02:07.435 parte degli sviluppatori di IA sull'origine 00:02:07.435 --> 00:02:09.354 dei dati utilizzati e a offrire 00:02:09.354 --> 00:02:11.995 un compromesso tra innovazione tecnologica e 00:02:11.995 --> 00:02:13.514 tutela della creatività. 00:02:13.514 --> 00:02:15.834 Il dibattito solleva questioni cruciali, 00:02:15.834 --> 00:02:18.155 come la gestione internazionale del copyright, 00:02:18.330 --> 00:02:20.169 la protezione degli autori e la 00:02:20.169 --> 00:02:22.729 necessità di tecnologie che permettano di 00:02:22.729 --> 00:02:25.530 esercitare facilmente il diritto di esclusione. 00:02:28.409 --> 00:02:29.930 Da quando è stato lanciato, 00:02:29.930 --> 00:02:32.055 il telescopio spaziale James Webb ci 00:02:32.055 --> 00:02:34.134 ha permesso di vedere l'universo in 00:02:34.134 --> 00:02:35.495 un modo tutto nuovo, 00:02:35.574 --> 00:02:37.574 scoprendo dettagli che per secoli sono 00:02:37.574 --> 00:02:38.775 rimasti nascosti. 00:02:38.935 --> 00:02:41.655 Recentemente, infatti, una ricerca pubblicata sulla 00:02:41.655 --> 00:02:43.974 rivista "Nature" ha annunciato la scoperta 00:02:43.974 --> 00:02:46.134 di un antico buco nero supermassiccio. 00:02:46.340 --> 00:02:48.419 L'oggetto si stima essere nato circa 00:02:48.419 --> 00:02:50.260 800 milioni di anni dopo il 00:02:50.260 --> 00:02:52.500 Big Bang, rendendolo uno degli oggetti 00:02:52.500 --> 00:02:54.980 più antichi mai osservati e permettendoci 00:02:54.980 --> 00:02:56.659 quindi di osservare meglio come era 00:02:56.659 --> 00:02:58.419 l'universo nelle sue fasi iniziali. 00:02:58.685 --> 00:03:00.604 Questo buco nero, inoltre, 00:03:00.604 --> 00:03:02.844 ha diverse particolarità che lo rendono, 00:03:02.844 --> 00:03:04.284 per ora, unico. 00:03:04.284 --> 00:03:05.405 La sua enorme massa, 00:03:05.405 --> 00:03:07.485 circa 400 milioni di volte più 00:03:07.485 --> 00:03:08.764 grande del nostro Sole, 00:03:08.764 --> 00:03:11.164 rappresenta circa il 40% della sua 00:03:11.164 --> 00:03:15.490 galassia ospitante, controllo 0,1 normalmente osservato, 00:03:15.569 --> 00:03:17.169 e attualmente è in una fase 00:03:17.169 --> 00:03:19.090 dormiente dove di fatto non sta 00:03:19.090 --> 00:03:21.250 più divorando la materia circostante. 00:03:21.409 --> 00:03:23.810 Questa scoperta ha dunque aperto nuove teorie, 00:03:23.810 --> 00:03:25.169 dove si ipotizza che i buchi 00:03:25.169 --> 00:03:27.090 neri possono attraversare fasi in cui, 00:03:27.224 --> 00:03:29.064 superando i limiti fisici, 00:03:29.064 --> 00:03:31.064 riescano ad accrescere a dismisura la 00:03:31.064 --> 00:03:32.825 propria massa a ritmi elevati, 00:03:32.825 --> 00:03:34.105 per poi tornare ad uno stato 00:03:34.105 --> 00:03:37.785 di inattività, rendendoli quindi difficilmente osservabili. 00:03:37.865 --> 00:03:40.344 Tuttavia questa ricerca rappresenta solo l'inizio 00:03:40.344 --> 00:03:41.305 di una nuova indagine, 00:03:41.610 --> 00:03:43.610 dove si cercherà di individuare altri 00:03:43.610 --> 00:03:45.849 oggetti simili e risolvere pian piano 00:03:45.849 --> 00:03:48.890 il grande enigma della nascita dell'Universo. 00:03:51.770 --> 00:03:53.770 La Commissione Europea ha firmato un 00:03:53.770 --> 00:03:56.264 contratto di 12 anni con il 00:03:56.264 --> 00:03:58.905 consorzio "SpaceRISE" per la realizzazione del 00:03:58.905 --> 00:04:01.705 progetto Infrastructure for Resilience, 00:04:01.705 --> 00:04:04.985 Interconnectivity and Security by Satellite, 00:04:04.985 --> 00:04:07.465 o più semplicemente IRIS-2. 00:04:07.544 --> 00:04:09.319 Si tratta infatti di lanciare nei 00:04:09.319 --> 00:04:12.120 prossimi anni una costellazione di 290 00:04:12.120 --> 00:04:14.439 satelliti volti a garantire servizi di 00:04:14.439 --> 00:04:17.720 telecomunicazioni trasparenti e indipendenti per tutte 00:04:17.720 --> 00:04:19.480 le aziende e i privati cittadini 00:04:19.480 --> 00:04:21.000 residenti nell'Unione Europea. 00:04:21.185 --> 00:04:23.264 Il programma verrà finanziato con 6 00:04:23.264 --> 00:04:25.185 miliardi di euro dell'Unione Europea, 00:04:25.185 --> 00:04:27.185 4 miliardi di aziende private e 00:04:27.185 --> 00:04:30.464 550 milioni dall'Agenzia Spaziale Europea, 00:04:30.464 --> 00:04:31.745 che avrà anche il compito di 00:04:31.745 --> 00:04:33.585 monitorare lo sviluppo del progetto. 00:04:33.919 --> 00:04:35.680 Il primo lancio avverrà tra circa 00:04:35.680 --> 00:04:37.680 4 anni, tuttavia con il costante 00:04:37.680 --> 00:04:39.360 invio di satelliti in orbita, 00:04:39.360 --> 00:04:40.800 si punta a fornire i primi 00:04:40.800 --> 00:04:43.759 servizi di connettività già entro il 2030. 00:04:43.759 --> 00:04:45.279 Il programma sarà il terzo per 00:04:45.279 --> 00:04:48.160 importanza dopo Copernicus e Galileo e 00:04:48.160 --> 00:04:50.464 andrà a competere direttamente nello stesso 00:04:50.464 --> 00:04:52.545 settore di mercato con Starlink, 00:04:52.545 --> 00:04:55.665 l'analogo servizio satellitare di SpaceX che 00:04:55.665 --> 00:04:57.665 ad oggi ha lanciato nello spazio 00:04:57.665 --> 00:04:59.665 più di 6.000 satelliti. 00:05:15.615 --> 00:05:17.375 Siamo ormai giunti nel vivo delle 00:05:17.375 --> 00:05:19.535 festività natalizie, e mai come in 00:05:19.535 --> 00:05:22.254 questi giorni siamo impegnati a cercare regali, 00:05:22.254 --> 00:05:24.414 fare acquisti, sia online che offline, 00:05:24.414 --> 00:05:26.735 o trascorrere delle intere serate davanti 00:05:26.735 --> 00:05:27.935 a un tè o a una 00:05:27.935 --> 00:05:30.779 cioccolata calda, guardando l'ennesimo episodio di 00:05:30.779 --> 00:05:32.620 quella serie TV che tanto stiamo 00:05:32.620 --> 00:05:34.219 amando e che abbiamo trovato tra 00:05:34.219 --> 00:05:36.539 i contenuti consigliati di Netflix. 00:05:36.699 --> 00:05:38.539 Dai social alle pubblicità, 00:05:38.539 --> 00:05:41.019 dai negozi online alle piattaforme streaming, 00:05:41.019 --> 00:05:43.954 infatti tutte queste piattaforme negli anni 00:05:43.954 --> 00:05:45.634 hanno affinato sempre di più i 00:05:45.634 --> 00:05:47.714 loro algoritmi, per cercare un rapporto 00:05:47.714 --> 00:05:50.435 con noi utenti estremamente personalizzato, 00:05:50.435 --> 00:05:52.435 in grado di proporci contenuti, 00:05:52.435 --> 00:05:54.915 articoli, post o prodotti che rispecchiano 00:05:54.915 --> 00:05:56.355 alla perfezione i nostri gusti. 00:05:56.720 --> 00:05:58.879 Riprendendo l'esempio delle serie TV, 00:05:58.879 --> 00:06:01.920 applicazioni come Netflix, Prime Video o Disney+, 00:06:02.400 --> 00:06:04.400 basano il loro successo proprio nel 00:06:04.400 --> 00:06:06.000 software che le alimentano, 00:06:06.000 --> 00:06:07.680 in grado di raccogliere ed elaborare 00:06:07.680 --> 00:06:09.664 i dati degli utenti per prevederne 00:06:09.664 --> 00:06:12.064 le scelte, fornire loro un'esperienza d'uso 00:06:12.064 --> 00:06:14.144 su misura e di conseguenza massimizzare 00:06:14.144 --> 00:06:15.024 i profitti. 00:06:15.185 --> 00:06:17.024 Questi sistemi si chiamano in generale 00:06:17.024 --> 00:06:19.425 "algoritmi di raccomandazione", e il loro 00:06:19.425 --> 00:06:21.104 nome è sufficiente per spiegare di 00:06:21.104 --> 00:06:21.985 che cosa si occupano. 00:06:22.170 --> 00:06:24.569 Tuttavia non esiste un solo algoritmo, 00:06:24.569 --> 00:06:26.330 tanto meno uno che funziona meglio 00:06:26.330 --> 00:06:27.610 o peggio di altri. 00:06:27.610 --> 00:06:30.009 Al contrario, sotto questa categoria esistono 00:06:30.009 --> 00:06:33.449 diverse implementazioni, ognuna con le proprie caratteristiche, 00:06:33.449 --> 00:06:35.129 benefici e applicazioni d'uso. 00:06:35.355 --> 00:06:36.314 E in questa puntata, 00:06:36.314 --> 00:06:38.634 dunque, parleremo proprio di questi algoritmi 00:06:38.634 --> 00:06:41.115 di raccomandazione, di come funzionano le 00:06:41.115 --> 00:06:43.995 diverse tipologie e di come vengono utilizzate, 00:06:43.995 --> 00:06:46.314 anche nel rispetto dei diritti alla privacy, 00:06:46.314 --> 00:06:48.475 sanciti dalle normative come il GDPR. 00:06:48.829 --> 00:06:51.069 Vedremo, infine, come anche grazie alle 00:06:51.069 --> 00:06:54.189 nuove evoluzioni nel campo dell'intelligenza artificiale, 00:06:54.189 --> 00:06:56.750 questi sistemi evolveranno nel prossimo futuro, 00:06:56.750 --> 00:06:59.550 per essere ancora più performanti e precisi. 00:06:59.709 --> 00:07:02.110 Iniziamo affrontando proprio le tipologie di 00:07:02.110 --> 00:07:03.629 algoritmi attualmente esistenti. 00:07:04.004 --> 00:07:05.764 I software di raccomandazione, 00:07:05.925 --> 00:07:08.645 usati come abbiamo detto da social network, 00:07:08.645 --> 00:07:10.645 e-commerce o piattaforma streaming, 00:07:10.645 --> 00:07:12.965 si dividono in tre principali categorie, 00:07:13.045 --> 00:07:15.205 sistemi di filtraggio collaborativo, 00:07:15.205 --> 00:07:17.045 di filtraggio basato sui contenuti, 00:07:17.045 --> 00:07:18.939 e infine sistemi ibridi. 00:07:18.939 --> 00:07:21.259 Il filtraggio collaborativo attualmente è uno 00:07:21.259 --> 00:07:22.540 dei sistemi più comuni, 00:07:22.540 --> 00:07:24.779 e permette di consigliare contenuti o 00:07:24.779 --> 00:07:27.740 articoli analizzando le scelte dei propri clienti. 00:07:27.899 --> 00:07:29.420 Proviamo a spiegarlo meglio... 00:07:29.500 --> 00:07:31.580 Questo approccio raggruppa tra loro gli 00:07:31.580 --> 00:07:34.725 utenti della piattaforma, basandosi sull'analisi delle 00:07:34.725 --> 00:07:36.965 loro interazioni con i singoli prodotti. 00:07:36.965 --> 00:07:38.485 In questo modo si creano dei 00:07:38.485 --> 00:07:41.045 "cluster" di utenti con le stesse preferenze, 00:07:41.045 --> 00:07:43.365 o dai gusti, tra loro molto simili, 00:07:43.365 --> 00:07:46.965 e che si influenzeranno reciprocamente nelle raccomandazioni. 00:07:47.125 --> 00:07:47.925 Facciamo un esempio. 00:07:48.379 --> 00:07:51.500 Due utenti hanno ascoltato ciascuno dieci canzoni, 00:07:51.500 --> 00:07:53.180 di cui cinque sono in comune. 00:07:53.259 --> 00:07:56.060 Il filtraggio collaborativo quindi ipotizza che 00:07:56.060 --> 00:07:58.620 i due ascoltatori abbiano le stesse preferenze, 00:07:58.620 --> 00:08:00.139 per cui propone a ciascuno dei 00:08:00.139 --> 00:08:02.379 due utenti le cinque canzoni rimanenti 00:08:02.379 --> 00:08:03.659 che sono piaciute all'altro. 00:08:03.964 --> 00:08:06.444 Ovviamente poi le implementazioni sono molto 00:08:06.444 --> 00:08:07.645 più complesse di così, 00:08:07.645 --> 00:08:09.645 ma questo semplice esempio rende molto 00:08:09.645 --> 00:08:11.324 bene l'idea del funzionamento. 00:08:11.404 --> 00:08:13.564 Questo algoritmo è quindi molto efficace, 00:08:13.564 --> 00:08:16.205 perché permette di adattarsi continuamente nel 00:08:16.205 --> 00:08:17.769 tempo e di proporre in modo 00:08:17.769 --> 00:08:19.930 molto preciso articoli o contenuti che 00:08:19.930 --> 00:08:22.250 il singolo utente non aveva considerato. 00:08:22.329 --> 00:08:24.490 Inoltre, un nuovo cliente potrebbe rispondere 00:08:24.490 --> 00:08:26.649 ad alcune domande al primo log-in, 00:08:26.649 --> 00:08:29.209 per identificare il cluster di appartenenza 00:08:29.209 --> 00:08:31.285 e di conseguenza avere fin da 00:08:31.285 --> 00:08:33.044 subito proposte mirate in base ai 00:08:33.044 --> 00:08:34.325 suoi gusti e preferenze. 00:08:34.485 --> 00:08:36.325 Di contro, questo approccio ha dei 00:08:36.325 --> 00:08:38.965 problemi significativi quando la piattaforma viene 00:08:38.965 --> 00:08:41.125 messa per la prima volta online, 00:08:41.284 --> 00:08:42.725 in quanto serve del tempo per 00:08:42.725 --> 00:08:45.365 raccogliere dati sufficienti e raggruppare tra 00:08:45.365 --> 00:08:47.100 loro gli utenti, capirne i gusti 00:08:47.100 --> 00:08:49.419 e identificare le informazioni più rilevanti 00:08:49.419 --> 00:08:51.740 da utilizzare nella clusterizzazione. 00:08:52.059 --> 00:08:54.059 La seconda tipologia di algoritmi di 00:08:54.059 --> 00:08:56.059 raccomandazione che possiamo trovare è il 00:08:56.059 --> 00:08:57.980 filtraggio basato sui contenuti, 00:08:58.059 --> 00:08:59.500 che come suggerisce il nome si 00:08:59.500 --> 00:09:02.715 basa esclusivamente sulle caratteristiche dei singoli prodotti, 00:09:02.715 --> 00:09:05.195 come descrizione, tag, categorie, 00:09:05.195 --> 00:09:06.475 colori e così via. 00:09:06.475 --> 00:09:08.394 Nel momento in cui vengono identificate 00:09:08.394 --> 00:09:10.394 le preferenze dell'utente, quindi, 00:09:10.394 --> 00:09:12.475 il sistema propone articoli o contenuti 00:09:12.475 --> 00:09:14.090 simili a quelli già visti o 00:09:14.090 --> 00:09:15.210 che è apprezzato. 00:09:15.290 --> 00:09:17.370 Riproponendo l'esempio delle canzoni, 00:09:17.370 --> 00:09:18.970 se a un ascoltatore piace un 00:09:18.970 --> 00:09:20.970 brano jazz di un certo artista, 00:09:20.970 --> 00:09:22.809 è probabile che la piattaforma gli 00:09:22.809 --> 00:09:24.809 proponga altri brani jazz o dello 00:09:24.809 --> 00:09:25.690 stesso artista. 00:09:25.929 --> 00:09:27.705 Anche in questo caso possiamo evidenziare 00:09:27.705 --> 00:09:28.985 dei punti di forza e dei 00:09:28.985 --> 00:09:31.144 punti di debolezza di questo approccio. 00:09:31.305 --> 00:09:33.625 Innanzitutto, questo metodo è molto efficace 00:09:33.625 --> 00:09:36.264 quando si inseriscono spesso nuovi contenuti, 00:09:36.264 --> 00:09:37.785 che possono essere proposti in modo 00:09:37.785 --> 00:09:39.705 mirato agli utenti fin da subito. 00:09:40.089 --> 00:09:42.649 Inoltre, questo algoritmo permette un maggior 00:09:42.649 --> 00:09:45.129 controllo da parte degli stessi utilizzatori, 00:09:45.129 --> 00:09:47.529 che possono eventualmente eliminare o modificare 00:09:47.529 --> 00:09:50.570 alcune preferenze per modificare le raccomandazioni, 00:09:50.730 --> 00:09:53.049 indipendentemente dalle scelte degli altri utenti. 00:09:53.434 --> 00:09:56.394 Parlando invece delle controindicazioni nell'utilizzo di 00:09:56.394 --> 00:09:58.634 questo sistema, il rischio principale è 00:09:58.634 --> 00:10:00.315 che la scoperta di nuovi contenuti 00:10:00.315 --> 00:10:02.634 o generi diventi molto limitata, 00:10:02.634 --> 00:10:05.195 in quanto l'algoritmo proporrà sempre articoli 00:10:05.195 --> 00:10:06.554 molto simili tra loro, 00:10:06.554 --> 00:10:08.154 non considerandone altri che, 00:10:08.154 --> 00:10:11.190 magari, potrebbero essere interessanti per l'utente, 00:10:11.190 --> 00:10:13.269 e confinandolo di fatto in una 00:10:13.269 --> 00:10:14.389 sorta di "bolla". 00:10:14.389 --> 00:10:17.350 Inoltre, questo approccio funziona estremamente bene 00:10:17.350 --> 00:10:19.429 solo quando i contenuti sono arricchiti 00:10:19.429 --> 00:10:22.230 con diversi metadati e informazioni dettagliate 00:10:22.230 --> 00:10:24.389 per fornire raccomandazioni accurate. 00:10:24.754 --> 00:10:26.195 Per fare un esempio reale, 00:10:26.274 --> 00:10:29.075 Spotify analizza tutto il catalogo di canzoni, 00:10:29.075 --> 00:10:31.075 attribuendo ad ognuna non solo attributi 00:10:31.075 --> 00:10:32.914 base come titolo, descrizione, 00:10:32.914 --> 00:10:33.875 genere e così via, 00:10:33.875 --> 00:10:35.235 ma anche tutta una serie di 00:10:35.235 --> 00:10:36.995 informazioni estrapolate dal brano, 00:10:36.995 --> 00:10:39.154 come tonalità, velocità, durata, 00:10:39.480 --> 00:10:41.480 valori che indicano quanto una traccia 00:10:41.480 --> 00:10:43.799 trasmette emozioni come gioia o tristezza, 00:10:43.799 --> 00:10:44.919 e tanto altro. 00:10:45.079 --> 00:10:47.639 Riportiamo questo esempio perché Spotify mette 00:10:47.639 --> 00:10:50.679 a disposizione pubblicamente queste informazioni attraverso 00:10:50.679 --> 00:10:53.079 le proprie API, permettendo a chiunque 00:10:53.079 --> 00:10:54.839 di fare delle analisi sui brani 00:10:54.975 --> 00:10:57.134 o scoprire nuove canzoni indicando i 00:10:57.134 --> 00:10:58.254 singoli parametri. 00:10:58.334 --> 00:11:00.815 Infine, ultimo dei tre principali sistemi 00:11:00.815 --> 00:11:02.815 di raccomandazione è quello ibrido, 00:11:02.815 --> 00:11:04.414 che come suggerisce il nome, 00:11:04.414 --> 00:11:05.615 è un mix tra i due 00:11:05.615 --> 00:11:07.375 approcci che abbiamo appena spiegato. 00:11:07.850 --> 00:11:09.129 Combinando i due metodi, 00:11:09.129 --> 00:11:11.450 infatti, si tengono in considerazione sia 00:11:11.450 --> 00:11:13.610 i comportamenti degli utenti che le 00:11:13.610 --> 00:11:16.009 caratteristiche dei singoli contenuti, 00:11:16.090 --> 00:11:18.250 superando le limitazioni dei due approcci 00:11:18.250 --> 00:11:20.809 e offrendo delle esperienze ancora più accurate. 00:11:21.095 --> 00:11:23.815 Questo approccio, tuttavia, è chiaramente molto 00:11:23.815 --> 00:11:25.815 complesso da implementare e gestire, 00:11:25.815 --> 00:11:27.095 sia per la quantità di dati 00:11:27.095 --> 00:11:28.934 da raccogliere ed elaborare, 00:11:28.934 --> 00:11:31.254 sia per lo sviluppo dell'algoritmo in sé. 00:11:31.254 --> 00:11:32.774 Per questo motivo è sia uno 00:11:32.774 --> 00:11:34.215 dei sistemi più utilizzati, 00:11:34.470 --> 00:11:36.070 ma spesso sono solo le grandi 00:11:36.070 --> 00:11:38.149 aziende che riescono a sfruttarlo veramente 00:11:38.149 --> 00:11:38.870 a pieno. 00:11:38.950 --> 00:11:40.709 Netflix, ad esempio, che è una 00:11:40.709 --> 00:11:42.389 delle aziende che più ha investito 00:11:42.389 --> 00:11:44.629 nel suo algoritmo, utilizza proprio un 00:11:44.629 --> 00:11:47.110 sistema ibrido che analizza valutazioni degli 00:11:47.110 --> 00:11:49.269 utenti e informazioni su film o 00:11:49.269 --> 00:11:51.245 serie TV, per suggerire i contenuti 00:11:51.245 --> 00:11:52.524 più pertinenti. 00:11:52.605 --> 00:11:55.004 Lo stesso vale per piattaforme come Amazon, 00:11:55.004 --> 00:11:56.605 che oltre a mostrarci gli articoli 00:11:56.605 --> 00:11:58.845 che potrebbero interessarci, ha un esempio 00:11:58.845 --> 00:12:01.004 molto esplicito sia di filtraggio basato 00:12:01.004 --> 00:12:03.485 sui contenuti che di filtraggio collaborativo. 00:12:03.750 --> 00:12:06.710 La famosa dicitura "articoli spesso acquistati 00:12:06.710 --> 00:12:09.029 insieme" e "i clienti che hanno 00:12:09.029 --> 00:12:11.669 acquistato questo articolo hanno anche comprato" 00:12:11.750 --> 00:12:15.110 sono raccomandazioni derivanti proprio da questi algoritmi. 00:12:15.190 --> 00:12:17.029 Esempi simili poi li troviamo anche 00:12:17.029 --> 00:12:19.054 su altre piattaforme come Spotify, 00:12:19.054 --> 00:12:21.295 YouTube o Disney+, ma anche sui 00:12:21.295 --> 00:12:23.695 social network, primi fra tutti TikTok 00:12:23.695 --> 00:12:25.695 e Instagram, che ormai hanno fatto 00:12:25.695 --> 00:12:27.855 del sistema di raccomandazione il loro 00:12:27.855 --> 00:12:31.399 elemento distintivo, investendo continuamente per creare 00:12:31.399 --> 00:12:34.279 ambienti che incollino l'utente allo schermo 00:12:34.279 --> 00:12:36.120 per quanto più tempo possibile. 00:12:36.200 --> 00:12:37.559 Questi approcci più avanzati, 00:12:37.559 --> 00:12:39.639 infine, non solo tengono in considerazione 00:12:39.639 --> 00:12:42.120 le informazioni sui contenuti o sul 00:12:42.120 --> 00:12:44.840 comportamento degli utenti, ma anche altri fattori, 00:12:44.840 --> 00:12:48.214 tra virgolette, "ambientali", come l'ora del giorno, 00:12:48.214 --> 00:12:50.214 il periodo dell'anno, la presenza di 00:12:50.214 --> 00:12:52.855 importanti eventi nelle vicinanze e molto altro. 00:12:52.934 --> 00:12:54.294 In queste giornate di festa, 00:12:54.294 --> 00:12:56.774 ad esempio, vediamo gli e-commerce popolarsi 00:12:56.774 --> 00:12:59.575 di suggerimenti di possibili regali di Natale, 00:12:59.654 --> 00:13:01.335 luci, decorazioni o giochi. 00:13:01.470 --> 00:13:03.629 Le piattaforme di streaming invece tendono 00:13:03.629 --> 00:13:05.870 a proporre musiche festive o film 00:13:05.870 --> 00:13:07.709 ambientati proprio in questo periodo. 00:13:07.789 --> 00:13:09.870 Chiaramente tutti contenuti quanto più in 00:13:09.870 --> 00:13:11.949 linea con i gusti del singolo utente. 00:13:12.029 --> 00:13:13.069 A questo punto, dunque, 00:13:13.069 --> 00:13:15.069 sorgono spontanei i dubbi in materia 00:13:15.069 --> 00:13:16.544 di privacy e su come i 00:13:16.544 --> 00:13:18.945 nostri dati vengono trattati o sfruttati. 00:13:19.024 --> 00:13:21.024 Fortunatamente, sotto questo punto di vista, 00:13:21.024 --> 00:13:23.105 i cittadini dell'Unione Europea sono i 00:13:23.105 --> 00:13:24.384 più tutelati al mondo, 00:13:24.384 --> 00:13:26.705 con normative molto stringenti come il GDPR, 00:13:26.705 --> 00:13:29.184 a cui tutte le aziende devono sottostare. 00:13:29.184 --> 00:13:30.544 Come risultato, negli anni, 00:13:30.544 --> 00:13:33.080 le multinazionali sono diventate molto più 00:13:33.080 --> 00:13:35.799 trasparenti in materia di trattamento dei dati, 00:13:35.799 --> 00:13:38.360 indicando quali informazioni vengono raccolte, 00:13:38.360 --> 00:13:40.440 analizzate e conservate e si sono 00:13:40.440 --> 00:13:42.279 adeguate per fornire ai propri utenti 00:13:42.279 --> 00:13:44.279 strumenti per avere un controllo quasi 00:13:44.279 --> 00:13:47.159 totale sul comportamento delle proprie piattaforme, 00:13:47.434 --> 00:13:49.595 partendo dalla possibilità di revocare il 00:13:49.595 --> 00:13:52.074 consenso al trattamento dei dati personali. 00:13:52.074 --> 00:13:53.115 Per fare un esempio, 00:13:53.115 --> 00:13:54.714 proprio Instagram, qualche giorno fa, 00:13:54.715 --> 00:13:57.355 ha rilasciato una nuova funzionalità che 00:13:57.355 --> 00:13:59.595 permette di "resettare" l'algoritmo, 00:13:59.674 --> 00:14:01.514 ossia di reimpostare il sistema di 00:14:01.514 --> 00:14:03.409 raccomandazione che con il tempo poi 00:14:03.409 --> 00:14:05.809 si riadatterà alle nuove preferenze. 00:14:06.129 --> 00:14:08.450 Inoltre, il GDPR impone il principio 00:14:08.450 --> 00:14:10.529 della minimizzazione dei dati, 00:14:10.529 --> 00:14:12.129 che stabilisce che le aziende devono 00:14:12.129 --> 00:14:14.370 raccogliere solo i dati necessari per 00:14:14.370 --> 00:14:15.889 raggiungere quello scopo specifico. 00:14:16.325 --> 00:14:18.245 Per i sistemi di raccomandazione questo 00:14:18.245 --> 00:14:20.804 significa che le piattaforme non dovrebbero 00:14:20.804 --> 00:14:23.845 raccogliere informazioni superflue o sensibili, 00:14:23.845 --> 00:14:26.164 se non strettamente necessarie per migliorare 00:14:26.164 --> 00:14:27.764 l'esperienza dell'utente. 00:14:27.764 --> 00:14:28.884 E, in ogni caso, 00:14:29.044 --> 00:14:32.129 dovrebbe anonimizzare, crittografare e conservare tutte 00:14:32.129 --> 00:14:34.049 le informazioni in modo sicuro. 00:14:34.049 --> 00:14:35.490 Ma questo non deve essere per 00:14:35.490 --> 00:14:37.809 forza una limitazione per le aziende. 00:14:37.809 --> 00:14:39.570 Gli algoritmi di raccomandazione, 00:14:39.570 --> 00:14:42.450 infatti, hanno sicuramente un futuro prospero, 00:14:42.450 --> 00:14:43.730 soprattutto in un periodo in cui 00:14:43.730 --> 00:14:46.754 gli investimenti nel settore dell'intelligenza artificiale 00:14:46.754 --> 00:14:48.675 raggiungono cifre di decine se non 00:14:48.675 --> 00:14:50.595 di centinaia di miliardi di euro. 00:14:50.595 --> 00:14:52.355 E unito all'uso di unità di 00:14:52.355 --> 00:14:54.035 calcolo sempre più potenti e una 00:14:54.035 --> 00:14:56.995 costante crescita nella disponibilità dei dati, 00:14:56.995 --> 00:14:59.529 questi sistemi diventeranno sempre più sofisticati 00:14:59.529 --> 00:15:01.850 e bravi nel capire cosa proporci. 00:15:01.929 --> 00:15:03.610