digitSegnali episodio 4

Questa settimana digitSegnali all’insegna della ricerca della diversificazione, usciamo dalla filterbubble… facciamoci dare i giusti consigli per gli acquisti ma… sempre guidati da un algoritmo.

 

Cosa succede quando un algoritmo si mette a scrivere racconti di fantascienza, è questo l’ultimo esperimento di Wired.

Stephen Marche ha scritto insieme ad un algoritmo la storia di fantascienza “Twinkle Twinkle” online su Wired.

Due ricercatori: Adam Hammond e Julian Brooke hanno sviluppato un software che analizza database letterari. Il loro algoritmo può identificare dozzine di dettagli strutturali e stilistici in grandi brani di testo, e se gli viene data in pasto una raccolta di grandi storie, è in grado di identificare tutti i dettagli comuni.

” Ho visto la tecnologia infiltrarsi in innumerevoli mestieri, spesso migliorando il modo in cui le persone lavoravano… Dove la tecnologia può migliorare il mio lavoro? Hammond e Brooke hanno accettato di collaborare con me: un algoritmo può aiutarmi a scrivere una storia migliore?

Ho iniziato dando loro una raccolta delle mie 50 storie di fantascienza preferite, un mix di classici e alcune cose più recenti. L’algoritmo ha confrontato le mie storie con un insieme di altre storie.

Per prima cosa mi hanno indicato una serie di linee guida stilistiche che avrebbero reso la mia storia più simile ai campioni possibili – ad es.  dovevano esserci quattro personaggi parlanti e una certa percentuale del testo doveva essere un dialogo. Poi mi hanno dato 14 regole da seguire, derivate da un processo chiamato “topic modeling”, che avrebbe regolato i principali argomenti e temi della storia. Ora rimaneva una cosa sola da fare: scrivere.

Hammond e Brooke hanno creato un’interfaccia web-based attraverso la quale il loro algoritmo (SciFiQ) dava indicazioni su quanto i singoli dettagli della mia scrittura corrispondessero ai miei 50 lavori preferiti ( i testi che erano stati dati in pasto all’algoritmo inizialmente, ndr) “

Ad ogni parola o frase digitata, se SciFiQ la pensava diversamente dall’autore, queste venivano evidenziate in rosso o viola, se lo scritto “piaceva” all’algoritmo allora diventava verde.


 

C’è un algoritmo che consente alle stampanti 3D di funzionare al doppio della velocità attuale e senza sacrificare la qualità del prodotto finale, l’articolo è tratto dal DigitalJournal.

L’algoritmo è in grado di compensare preventivamente le vibrazioni causate dalle stampanti 3D.  La soluzione tecnica è particolarmente interessante perchè   l’algoritmo può essere utilizzato con tutte  le stampanti già prodotte e in uso, senza alcuna necessità di carica sulle macchine alcun hardware aggiuntivo.


Un’altra segnalazione interessante dal mondo degli “algoritmi” arriva dalle librerie. E’ uscito un libro che studia l’ottimizzazione del ruolo degli algoritmi nelle cose del mondo. Non si capisce? Proviamo a spiegarci meglio…

Once Upon an Algorithm: How Stories Explain Computing- Book Review

 

Lo scopo del libro è mostrare che ci sono paralleli tra i processi di calcolo studiati, testati e applicati nell’informatica e le azioni di risoluzione dei problemi (problem solving) che affrontiamo quotidianamente.

“Questo libro ha uno scopo diverso: i suoi esempi spiegano la teoria, e quindi dovrebbe piuttosto essere visto come un’opera di ampia consultazione, a volte pesante, con un glossario che dovrebbe migliorare la conoscenza teorica e la comprensione di un lettore motivato. Non contribuisce al rafforzamento delle abilità.

(come farebbe un testo “for dummies”)

Prendiamo ad esempio la favola di Hansel e Gretel. Volendo trovare la strada di casa, i fratelli si impegnano in un processo di risoluzione dei problemi. Hansel decide di lasciare cadere i ciottoli che ha precedentemente raccolto a intervalli, e ricercando questi ciottoli, e seguendo il percorso creato passo dopo passo, Hansel e Gretel raggiungono la casa dei genitori”.

L’autore del libro Martin Erwig professore di scienza computazionale alla Oregon University  illustra l’uso degli algoritmi nella vita di tutti i giorni attraverso una serie di concetti matematici applicati alla vita quotidiana e alle storie familiari. Ad esempio come abbiamo visto sopra:  Hansel e Gretel eseguono un algoritmo per tornare a casa dalla foresta. Il film Groundhog Day illustra il problema della irrisolvibilità; Sherlock Holmes manipola le strutture dei dati quando risolve un crimine; la magia nel mondo di Harry Potter viene compresa attraverso l’astrazione; e Indiana Jones dimostra la complessità delle sue  ricerche mediante l’applicazione di semplici ragionamenti: gli algoritmi appunto. Nel testo, Erwig discute anche di rappresentazioni e diversi modi di organizzare i dati; Problemi “intrattabili”; linguaggio, sintassi e ambiguità; strutture di controllo, anelli logici e regole per trovare errori negli algoritmi.

Un libro coinvolgente che spiega il “calcolo” in modo accessibile e mostra la sua rilevanza per la nostra vita quotidiana. Qualcosa su cui pensare la prossima volta che eseguiamo  l’algoritmo di alzarci ogni mattino !!!

 


Su EurekAlert! è stato pubblicato un comunicato stampa a proposito di algoritmi e filter bubble:

“Punti di vista opposti sui social media bilanciati da un algoritmo. Gli influencer selezionati possono diffondere efficacemente informazioni da parte di entrambi i soggetti coinvolti in una discussione controversa”.

Alcuni ricercatori dell’Università di Aalto e dell’Università di Roma Tor Vergata hanno progettato un algoritmo in grado di bilanciare l’esposizione delle informazioni in modo che gli utenti dei social media possano essere esposti alle informazioni da entrambi i lati della discussione.

L’algoritmo funziona selezionando in modo efficiente un insieme di utenti influenti i cosiddetti “influencer” , che possano essere convinti a diffondere informazioni della loro fazione alla fazione  avversa.

L’obiettivo è massimizzare la quantità di utenti esposti a entrambi i punti di vista.


I sistemi di raccomandazione: suggerimenti per gli acquisti di Amazon e Netflix utilizzano una tecnica chiamata “filtro collaborativo”.

Per determinare quali prodotti potrebbero piacere a un cliente , cercano altri clienti che hanno dato valutazioni simili a una gamma di prodotti simili ed estrapolano questi specifici prodotti in una lista ad hoc.
Il successo di questo tipo di approccio dipende in modo particolare da quella che viene definita “nozione di somiglianza”.

La maggior parte dei sistemi di raccomandazione utilizza una misura chiamata similarità del coseno, che sembra funzionare bene nella pratica. L’anno scorso, alla conferenza sui sistemi di elaborazione delle informazioni neurali, i ricercatori del MIT hanno utilizzato un nuovo quadro teorico per dimostrare perché, effettivamente, la similarità del coseno produce risultati così buoni.

Un nuovo algoritmo di raccomandazione che dovrebbe funzionare meglio di quelli in uso oggi, in particolare quando i dati di classificazione sono “sparsi” – cioè, quando c’è poca sovrapposizione tra i prodotti recensiti e le valutazioni assegnate dai diversi clienti.
La strategia di base dell’algoritmo è semplice: quando si tenta di prevedere la valutazione di un cliente riguardo un particolare prodotto, bisogna utilizzare non solo le valutazioni di persone con gusti simili alle nostre, ma anche le valutazioni di persone che sono simili a quelle persone e così via a scendere allargando sempre di più il campione.

L’idea è intuitiva, ma in pratica tutto dipende ancora dalla misura specifica della somiglianza.


Questo algoritmo sa come voterai in base all’auto che guidi

I ricercatori hanno creato un algoritmo in grado di identificare le auto direttamente su Google Street View per avere un rilevamento accurato e molto  più rapido ed economico

 

Gli scienziati “hanno addestrato” i loro algoritmi a riconoscere la marca, il modello e l’anno di ogni auto viste in 50 milioni di immagini da 200 diverse città degli USA su Google Street View. Questo dato è stato a sua volta confrontato con un database demografico chiamato American Community Survey e i dati di voto sulle ultime elezioni presidenziali. I risultati sono stati infine pubblicati in PNAS.

 

I dati dell’auto sono stati confrontati con le informazioni demografiche e sono state fatte “forti associazioni tra distribuzione dei veicoli e fattori socio-economici disparati”, scrivono i ricercatori. Gli abitanti dei quartieri con una grande popolazione asiatica si sono dimostrati più propensi a guidare Honda e Toyota; Le popolazioni delle aree afro-americane sono state  associate a Chrysler, Buick e Oldsmobile, mentre camioncini, Volkswagen e Aston Martin sono stati attribuiti con buona approssimazione ai residenti dei  quartieri prevalentemente popolati da caucasici.

 

I ricercatori affermano che questo tipo di lavoro non è destinato a sostituire i sondaggi porta a porta molto  più laboriosi ma decisamente più accurati, ma potrebbe contribuire a completarli e ad accelerare le procedure per il raggiungimento dei risultati.

Secondo gli scienziati: “le previsioni del documento sono applicabili solo a livello di gruppo e  potrebbero esserci tecniche più accurate. Gli autori guardano ad un livello aggregato dei dati piuttosto che a un livello individuale, come ad esempio accade nell’atteggiamento di voto rispetto ai dati derivanti dall’applicazione di uno specifico   codice di avviamento postale di zona o di circoscrizione piuttosto che i dati raccolti da un singolo individuo.  Anche in termini di accuratezza, i risultati non sono così buoni. Un  buon indicatore, per gli esperti, potrebbe emergere, confrontando i dati raccolti con la proporzione del voto di un distretto messa in luce dopo l’ultima votazione”.