Earn money by answering our surveys

Register now!

Come stimolare la scoperta con algoritmi di raccomandazion

Earn up to 50€ by participating in one of our paid market research.

Register now!

Si è appena conclusa la conferenza RecSys 2021 sugli algoritmi di raccomandazione. La modalità ibrida non ha semplificato le interazioni, ma le entusiasmanti presentazioni si sono susseguite e non hanno mancato di far nascere nuove idee qua e là. Questo è stato il caso del keynote di Cynthia Liem (Delft University of Technology).

Cynthia ha la particolarità di combinare due talenti: è una ricercatrice di informatica e una pianista affermata. Su questa doppia competenza, ha costruito la sua keynote intitolata “Key Notes from Keys and Notes: Pianist Perspectives on Recommendation” alla conferenza RecSys 2021. L’ho trovato particolarmente interessante in quanto mette in luce i limiti degli algoritmi di raccomandazione.

Se avete solo 30 secondi

Nel suo intervento alla conferenza RecSys 2021 sugli algoritmi di raccomandazione, Cynthia Liem ha evidenziato diversi punti deboli degli algoritmi di raccomandazione nella musica:

  • non consentono l’ordinamento tra più versioni della stessa canzone
  • si basano sulla reazione al primo ascolto per decidere di includere o escludere nuovi tipi di brani
  • possono permetterci di scoprire nuove parti del mondo che ci circonda
  • dovrebbero includere funzionalità che espongano nuovamente l’utente a contenuti che non gli sono piaciuti la prima volta

La musica (classica) è una questione di interpretazione

Come musicista classica, Cynthia ha messo il dito su un fatto ovvio che tendiamo a dimenticare: la musica classica riguarda l’interpretazione poiché l’interpretazione originale del compositore non è sopravvissuta. Ne consegue che ogni musicista reinterpreta l’opera di un compositore “a modo suo”. In altre parole, il musicista interpreta le intenzioni del compositore secondo la loro storia, dando luogo a versioni molto diverse. Ho molto apprezzato il modo in cui Cynthia ha illustrato questa capacità interpretativa sull’esempio dell’Ave Maria di Gounod.

Il risultato è un elemento essenziale del modo in cui consumiamo i contenuti musicali online: sono disponibili più versioni della stessa canzone senza che noi possiamo differenziarle a priori. Gli algoritmi di raccomandazione non sono utili in questo aspetto per il momento.



Bach sarebbe stato eliminato se ai suoi tempi fossero esistiti algoritmi di raccomandazione.



Spotify: i contenuti duplicati compromettono l’esperienza dell’utente

Il problema della duplicazione è evidente su qualsiasi piattaforma di ascolto e non si limita alla musica classica. Ecco il risultato di una ricerca su Spotify su un noto brano jazz, “Mack the Knife”.
Come si può notare, non è facile scegliere, poiché ci sono così tante versioni.

mack the knife on spotify

Tuttavia, ogni pezzo è abbastanza diverso. L’algoritmo di raccomandazione, quindi, non è di alcun aiuto qui.


L’apprezzamento dei contenuti richiede tempo e esposizione ripetuta

L’altra idea cardine sviluppata da Cynthia riguarda l’esposizione a un nuovo tipo di contenuto. Proprio come certi cibi che si apprezzano solo dopo averli mangiati più volte, si deve consumare più volte un nuovo tipo di contenuto per trovarlo di proprio gradimento. Il difetto degli algoritmi di raccomandazione è che possono nascondere un’intera gamma di contenuti dopo una prima esposizione fallita.

Non dimentichiamo che la popolarità di un brano musicale è spesso successiva alla morte del suo autore. Bach morì nel 1750 e solo molto più tardi la sua musica divenne popolare. Come ci ha ricordato Cynthia, “Bach sarebbe stato eliminato se ai suoi tempi fossero esistiti algoritmi di raccomandazione.


popularity of musicians after their deaths (by Cynthia Liem)

Popolarità di 3 compositori nel tempo. 
Crediti : Cynthia Liem, RecSys 2021


L’esperienza di Cynthia con il Magma Duo ci arricchisce. Usando l’esempio del compositore olandese Matthijs Vermeulen, Cynthia ha dimostrato che più concerti frequenta un utente, meno distanza ha dalla sua musica. Pertanto, un algoritmo di raccomandazione che favorisce la diversità dovrebbe includere una funzionalità che esponga comunque l’utente a contenuti che non gli sarebbero piaciuti.

bibliothèque de calgary / calgary public library

In una biblioteca, l’estensione della conoscenza disponibile è visibile e limitata allo spazio del luogo. Con l’avvento di internet abbiamo perso la nozione di “limite” della conoscenza, e non riusciamo più a identificare visivamente gli spazi ancora da scoprire


Come scoprire ciò che non si sa ancora?

La questione dell’esplorazione di un dominio è intimamente legata alla nostra percezione dell’estensione di quel dominio. In altre parole, come facciamo a scoprire ciò che ancora non sappiamo esistere? Questo problema è particolarmente pronunciato nel campo della musica poiché esiste un’infinita varietà di stili e consumiamo sempre la stessa cosa. Gli algoritmi di raccomandazione possono essere di grande aiuto qui, purché siano programmati nel modo giusto.



La biblioteca pubblica delimitava visivamente il mondo della conoscenza.



Trovo assolutamente affascinante la discussione sui limiti della conoscenza. Cynthia ha fornito un’illustrazione molto significativa: la biblioteca. Per quelli di noi che hanno vissuto nell’era pre-internet, la biblioteca pubblica delinea visivamente il mondo della conoscenza. Internet ha cancellato questa percezione fisica di competenza, tanto che i Millennial non comprendono più l’idea stessa di ordinare i dati. Questo articolo pubblicato su The Verge mostra che i giovani sono estranei al concetto di classificazione su un computer. Di conseguenza, i file vengono archiviati in modo caotico, il che ostacola notevolmente la scoperta e l’innovazione.

Mundaneum Mons Belgium

Il Mundaneum aveva l’ambizione di catalogare tutta la conoscenza del mondo. I 12 milioni di schede didattiche, oggi esposte a Mons (Belgio), sono classificate nei cassetti. Questa nozione di “riordino” tende a scomparire dall’avvento del web.

Senza dilungarmi troppo, vorrei ricordarvi che la strutturazione della conoscenza è uno dei cardini della capacità creativa dell’essere umano. Darwin non avrebbe sviluppato la sua teoria dell’evoluzione senza organizzare la sua comprensione in un libro banale. Il sociologo Lühmann non avrebbe scritto 70 libri e 500 articoli senza il suo sistema Zettelkasten. In entrambi i casi, l’ “ordinamento” delle informazioni è stata la chiave del successo.


Conclusione

Questa discussione sui limiti degli algoritmi di raccomandazione ci porta a comprendere meglio il nostro ruolo di esseri umani. Non posso ripetere abbastanza che gli algoritmi sono strumenti e che l’intelligenza artificiale può essere infusa solo dall’intelligenza umana. Proprio come l’artista il cui lavoro riflette la sua personalità; le possibilità dell’algoritmo sono definite dal suo progettista. Ritengo quindi che qualsiasi progetto algoritmico debba essere basato su obiettivi chiaramente definiti. Ne consegue che è necessario scegliere con molta attenzione le metriche utilizzate per raggiungere questi obiettivi. Ma spesso è qui che sta il problema. Come illustra umoristicamente il disegno sottostante, gli errori nella scelta delle metriche sono comuni e possono avere conseguenze disastrose sull’esperienza dell’utente.

click-through-rate (CTR) as a metrics for customer satisfaction

Credits : Karl Higley
@karlhigley via Twitter

 

Submit a Comment

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *