di TOMMASO SASO-
Se gli algoritmi, di cui abbiamo parlato la settimana scorsa, sono il motore dell’intelligenza artificiale, i “big data” sono il suo carburante. Senza dati, infatti, anche l’algoritmo più sofisticato è inutile, come una Ferrari senza benzina. Ma cosa sono davvero questi “big data” di cui tutti parlano? E perché sono diventati così cruciali per l’AI moderna? Ora lo scopriremo insieme.
Iniziamo con un dato sbalorditivo, pensate che ogni giorno creiamo 2,5 quintilioni di byte di dati. Per darvi un’idea, è come se ogni persona sulla Terra scrivesse 350.000 libri al giorno. Ogni clic, ogni ricerca, ogni foto caricata, ogni messaggio inviato genera infatti dati. Il nostro smartphone sa dove siamo stati, cosa abbiamo comprato, con chi abbiamo parlato, le ricerche che abbiamo fatto su Google o su Amazon. La nostra smart TV, collegata ad internet, sa cosa guardiamo e quando cambiamo canale. Il frigorifero intelligente dei più tecnologici sa quando finisce il latte e suggerisce cosa comprare, quando anche non l’abilitiamo a fare direttamente l’acquisto.
Ma i big data non sono solo “tanti dati”. Si caratterizzano da quelle che gli esperti chiamano le “5 V”: Volume (quantità enorme), Velocità (generati in tempo reale), Varietà (formati diversi), Veracità (qualità variabile), e Valore (potenziale economico nascosto). È questa combinazione che li rende sia un’opportunità straordinaria che una sfida tecnologica senza precedenti.
Per capire la rivoluzione dei big data, dobbiamo fare un salto nel passato. Negli anni ’90, un ricercatore che voleva studiare il comportamento umano doveva condurre sondaggi, interviste, esperimenti controllati. Poteva raccogliere dati su centinaia, al massimo migliaia di persone. Oggi, aziende come Google e Facebook analizzano il comportamento di miliardi di utenti in tempo reale. È come essere passati dall’osservare le formiche con la lente d’ingrandimento all’avere una visione satellitare dell’intero formicaio.
Questa trasformazione ha cambiato radicalmente il modo di fare scienza. Prima, gli scienziati partivano da una teoria e raccoglievano dati per verificarla. Ora, partono dai dati e lasciano che siano loro a suggerire le teorie. È quello che Chris Anderson, ex direttore di Wired, chiamò nel 2008 “la fine della teoria”, avendo abbastanza dati, i pattern (idee di visione) emergono da soli, e possono farci scoprire scenari a cui non avremmo mai pensato.
Ma perché l’AI ha bisogno di così tanti dati? La risposta sta nel modo in cui le macchine “imparano”. Quando insegniamo ad un bambino a riconoscere un gatto, bastano pochi esempi. Il bambino apprende rapidamente che i gatti hanno baffi, orecchie a punta e fanno miao. Un algoritmo di AI, invece, deve vedere migliaia di gatti prima di imparare a riconoscerne uno. In realtà non “capisce” cos’è un gatto, ma memorizza milioni di pattern statistici che gli permettono di identificarlo.
Pensate che il sistema di riconoscimento vocale di Google è stato addestrato su 3 milioni di ore di conversazioni umane, in pratica come se una persona avesse ascoltato conversazioni no-stop per 340 anni.
I big data hanno reso possibili breakthrough (salti di paradigma) che erano impensabili fino a pochi anni fa. Prendiamo la traduzione automatica, per decenni i ricercatori avevano cercato di programmare computer con regole grammaticali e dizionari. I risultati erano deludenti e spesso anche esilaranti per le castronerie prodotte. Poi Google ha cambiato approccio e, invece di insegnare le regole, ha nutrito il sistema con miliardi di documenti già tradotti, come libri, articoli e pagine web in decine di lingue. Per questo ha avuto anche problemi legali dagli editori delle fonti. Ma è così che è nato Google Translate che pur, non essendo ancora perfetto, è diventato utile per centinaia di milioni di persone.
Ma, come abbiamo visto, i big data non sono solo quantità, sono anche qualità e varietà. L’AI moderna è capace di combinare dati di tipo completamente diverso, come i testi, le immagini, l’audio, i video, i sensori, i GPS, le transazioni finanziarie e così via. È questa capacità di “fondere” informazioni diverse che crea valore. Amazon non ci suggerisce prodotti solo basandosi su quello che abbiamo già comprato, ma anche su quello che guardato, cercato, quando ci siamo connessi, da quale dispositivo, persino sul tempo abbiamo passato a leggere le recensioni.
E ora rispondiamo alla domanda iniziale, perché la storia diventa interessante dal punto di vista economico. I dati sono infatti diventati il “nuovo petrolio” dell’economia digitale ma, a differenza del petrolio, i dati non si esauriscono quando li usiamo anzi, più li usiamo, più ne creiamo. Ogni volta che cerchiamo qualcosa su Google, stiamo fornendo dati che migliorano l’algoritmo di ricerca. Ogni volta che correggiamo un errore di traduzione, stiamo addestrando Google Translate. Siamo diventati, inconsapevolmente, lavoratori non pagati nell’industria dell’AI!
Questo ha creato quello che noi economisti chiamiamo “effetti di rete”, più utenti usano un servizio, più dati genera, più l’AI migliora, più il servizio diventa attraente per nuovi utenti. È un circolo virtuoso (o vizioso, dipende dal punto di vista) che spiega perché giganti come Google, Amazon, Facebook sono diventati così dominanti sul mercato mondiale.
Ma la vera rivoluzione dei big data sta anche nella loro capacità di predire il futuro. Non il futuro in senso astrologico, ma concreti pattern (percorsi) probabilistici nei comportamenti umani. Netflix sa quale serie TV ci piacerà prima ancora che venga prodotta e Amazon sa cosa vorremo comprare prima che lo sappiano noi. Le assicurazioni sapranno chi avrà maggiore probabilità di fare un incidente. Gli ospedali sapranno quali pazienti rischiano maggiormente di ammalarsi, adeguandosi alle effettive necessità.
Questa capacità predittiva sta trasformando interi settori. Il marketing è diventato “precision marketing” e ora, invece di bombardare tutti con la stessa pubblicità, le aziende possono targetizzare esattamente la persona giusta nel momento giusto con il messaggio giusto. La medicina sta diventando “precision medicine” cosicché, invece di cure standard per tutti, potrà suggerire terapie personalizzate basate sui dati genetici, ambientali e i comportamenti di ogni singolo paziente.
Ma c’è un lato oscuro in questa storia, ne troveremo molti duranti i nostri incontri. I big data hanno creato quello che la studiosa Shoshana Zuboff chiama “capitalismo della sorveglianza”, ovvero un sistema economico basato sulla raccolta sistematica dei dati personali per predire e influenzare il comportamento umano. Non siamo più solo clienti, siamo anche il prodotto. I nostri dati vengono estratti, processati, venduti come materia prima.
Inoltre, i big data amplificano i bias (errori di percezione) esistenti. Abbiamo infatti visto, la scorsa settimana, che i dati non sono neutri, ma riflettono le ineguaglianze e i pregiudizi della società che li genera.
Quindi la qualità dei dati è cruciale quanto la quantità. Dati sbagliati, incompleti o distorti producono risposte di AI sbagliate. È il principio “garbage in, garbage out”, se inseriamo dati spazzatura, otterremo risposte spazzatura. Per questo, gran parte del lavoro nell’AI moderna non è programmazione, ma pulizia, verifica, validazione dei dati. È un lavoro noioso ma essenziale.
C’è poi il problema della privacy. Ogni dato che generiamo può essere usato per dare informazioni che non avremmo mai voluto condividere. Dalla nostra cronologia di ricerca si può dedurre ad esempio il nostro umore siete o dai nostri acquisti si può capire se siamo malati e ancora, dai nostri movimenti si può prevedere dove saremo domani. Qualcuno si sarà accorto che la mattina il navigatore dello smartphone ci suggerisce il traffico verso il luogo di lavoro. Stiamo vivendo nell’era della “trasparenza involontaria”.
Cosa significa tutto questo per noi? Significa che viviamo in un mondo dove ogni nostra azione genera dati che alimentano sistemi di AI sempre più sofisticati. Questi sistemi ci conoscono meglio di quanto conosciate noi stessi e li usano per servirci meglio, ma anche per influenzarci, persuaderci e soprattutto manipolarci.
La chiave per difenderci è la consapevolezza. Capire che i nostri dati hanno valore, che vengono usati per addestrare AI che influenzano la nostra vita, che abbiamo il diritto di sapere come vengono usati e di controllarli. Ripeto che i big data non sono intrinsecamente buoni o cattivi, sono uno strumento potentissimo che può migliorare la nostra vita ma anche limitare la nostra libertà.
La prossima settimana scopriremo come la potenza di calcolo moderna ha reso possibile elaborare questi oceani di dati, trasformando l’AI da sogno di laboratorio a realtà quotidiana.
Prof. Tommaso Saso
Professore di Marketing e Organizzazione Aziendale e membro dell’Osservatorio di AI generativa presso l’Università degli Studi G. Marconi. Presidente di Manageritalia Lazio, Abruzzo, Molise, Sardegna ed Umbria.