LE NUOVE SFIDE DEL MACHINE LEARNING

Le click farm si stanno sviluppando nel sud est asiatico come vere e proprie fabbriche di consenso digitale. Migliaia di persone, dotate di telefonini e schede SIM, cliccano incessantemente su banner al fine di generare traffico falsato. Click fraudolenti venduti a pacchetti di finti download per far salire il proprio prodotto nei ranking e raggiungere così clienti reali.

Una sfida attuale del machine learning è quella di sviluppare algoritmi capaci di interpretare e identificare questi click fraudolenti, per individuare e poi segnalare i prodotti delle società che utilizzano tali strategie di marketing “borderline”.

Una fondazione americana ha messo in palio 1 milione di dollari per creare un modello predittivo in grado di analizzare radiografie e identificare automaticamente la presenza di tumori ai polmoni, in modo più veloce e più oggettivo dell’occhio umano.

Il macchine learning permette di riconoscere particolari oggetti all’interno di un’immagine digitalizzata (es. una TAC) in modo da individuarli ed analizzarne le principali caratteristiche peculiari.

L’analisi delle immagini aeree o provenienti da satelliti, supportate da opportuni algoritmi predittivi, possono mappare la presenza ed il percorso di iceberg al Polo Nord, la diffusione di determinate tipologie di animali su un territorio, ma anche, più prosaicamente, le auto presenti nel parcheggio del supermercato concorrente per rivelarne l’affluenza.

Ma anche la vita sociale potrebbe ottenere un beneficio dalle nuove tecnologie. Nel campo NLP (Natural Language Processing) si è sviluppato un algoritmo capace di identificare e bloccare in modo automatico, all’interno di un forum, frasi di natura razzista, sessista e omofoba.

Viene però da chiedersi se infine l’uomo non si sentirà controllato da questi algoritmi o si sentirà in dovere di rispondere a standard non umani, visto che già ora spessissimo è un algoritmo che ci consiglia sui social le persone per noi interessanti, sceglie i prodotti di nostro gusto e seleziona i candidati per le nostre posizioni lavorative.

(Riassunto liberamente a fini di discussione da “Nell’Olimpo dei Data Scientist” di Giulio Pons – MAP n.5/2019)