Vi siete mai chiesti quale fosse l’anno peggiore di sempre? Undici mesi fa la risposta sarebbe stata il 2008, oggi – e sinceramente non è neanche così scioccante – è il 2020. Il 2020 che regala anche un giorno in più – anno bisestile, anno funesto non a caso – è un po’ come una versione estremizzata della nuvola di Fantozzi e anche l’edonometro l’ha capito.
Questo strumento, costruito dall’informatico dell’università del Vermont, Chris Danforth analizza circa cinquanta milioni di tweet al giorno per valutare l’umore dell’opinione pubblica: il record negativo è stato raggiunto dopo l’assassinio di George Floyd.
Questa macchina è stata dunque programmata per analizzare i sentimenti, analisi che vengono realizzate utilizzando diverse applicazioni.
Infatti la versatilità di questo strumento dimostra la sua complessità. I ricercatori si occupano di studiare le emozioni delle persone per esaminare una grande quantità di dati che in passato sarebbe stata difficile da reperire.
Ma come fare? Misurare dati statistici è decisamente più immediato dell’analisi di un sentimento articolato come la felicità.
Tuttavia, per i computer, comprendere il significato delle parole non è strettamente necessario per riconoscere i segnali emotivi presenti all’interno di un testo.
Uno degli approcci largamente utilizzato è il conteggio delle parole: il computer conta il numero di parole positive e sottrae il numero di quelle negative. Per essere più precisi, però, si cerca di soppesare i vari termini – “pessimo” è più intenso di “brutto”-, lavoro affidato ad esperti che permette la creazione dei dizionari lexicon, dizionari in grado di tradurre le parole in emoticon e viceversa.
Eppure, questa pratica non si rivela sempre esatta: i termini che compongono le frasi sono scollegati tra loro proprio perché viene ignorato l’ordine delle parole. L’operazione diventa dunque inefficace, ad esempio in prossimità di giudizi e recensioni nei confronti di un’attività o un oggetto, nelle quali possono essere presentate una serie di parole sia negative che positive che se mischiate, non permettono l’assoluta comprensione del sentimento inteso.
Con gli anni si è cercato di raffinare tali strumenti per ottimizzare le analisi. Oggi, si usano gli algoritmi dell’apprendimento per insegnare ad un programma come identificare le relazioni tra le parole. Grazie a queste associazioni si comprende maggiormente il significato o l’emozione nascosta dietro una frase.
Nel 2013, Tomas Mikolov di Google Brain ha portato questo settore su un altro livello: attraverso l’apprendimento automatico ha convertito ogni parola in una serie di 50-300 numeri chiamata vettore. La sua funzione consiste nel descrivere una parola e tutte le altre voci che compaiono con essa. Ottenere questi vettori non è stato così semplice: il programma di Mikolov ha dovuto esaminare milioni di parole presenti in articoli di giornale cercando di intuire la parola successiva in base a quella precedente. Tutto ha però permesso l’individuazione di sinonimi e analogie elementari.
Come sono possibili tali incastri? Sono generati da una rete neurale avente un solo livello nascosto plasmato sul cervello umano. La rete di Mikolov è poco profonda e si prodiga per alcune applicazioni come la traduzione. Le reti più profonde hanno la possibilità di carpire maggiori informazioni da un semplice termine: un esempio comune è l’analisi di una recensione di un film sull’Internet movie database dove si richiede al computer di prevedere se l’utente metterà un “mi piace” oppure un “non mi piace”.
Inizialmente l’accuratezza delle prime reti neurali – arrivate nel 2011 – era dell’89 per cento, a distanza di quasi dieci anni è salita al 94 per cento. I lexicon si dimostrano meno esatti: ad oggi la percentuale di precisione nell’analisi dei dati raggiunge l’87 per cento.
Nonostante la meticolosità delle reti neurali, il metodo maggiormente utilizzato -anche dall’endonometro- è quello dei lexicon. Infatti il costo delle reti neurali è nettamente superiore: l’esempio lampante degli elevati costi si riscontra nel caso di AlphaGo – un software in grado di giocare una partita di Go meglio del campione mondiale – per cui Google ha usato una quantità d’elettricità sufficiente per “far bollire l’oceano”.
Inoltre, anche il costo delle strumentazioni e le competenze tecniche richieste sono più elevate così come rimediare agli errori non è facile come con i lexicon.
L’analisi dei sentimenti è collegata anche al settore psicologico. Attraverso le valutazioni riscontrate anche grazie ai programmi degli psicologi Philip Stone (General inquirer, 1962) e James Pennebaker (Linguistic inquiry and word count, anni ’90) sono state confermate delle osservazioni di esperti.
Infatti i pazienti affetti da depressione avevano delle tendenze peculiari: uno stile di scrittura distintivo con una maggiore frequenza del pronome “io” e più parole aventi un valore negativo. I ricercatori di oggi valutano lo stato mentale di un individuo anche grazie al suo modo di esprimersi online: talvolta questo studio permette di individuare le persone affette da un disturbo depressivo con largo anticipo. Facebook usa un algoritmo per determinare gli utenti a rischio di suicidio proponendo poi in alcuni casi di rivolgersi ad un’assistenza specifica.
Nonostante l’accumulo di questi dati possa essere di grande aiuto per la sanità e la prevenzione di alcune situazioni drammatiche, la privacy rimane un problema di massima importanza così come la dimostrazione dell’utilità di tali indagini a livello clinico.
Insomma, tutto ciò che si fa e si scrive – anche se in fondo lo si sapeva già – viene controllato. E se qualcuno non credeva alla meteoropatia, gli studi di Nick Obradovich faranno cambiare idea: attraverso l’indagine di due miliardi di commenti su Facebook e un miliardo su Twitter, apparentemente la felicità delle persone si riduce di un per cento con soli tre centimetri di pioggia. Invece il dato allarmante riguarda l’aumento delle temperature: per gli utenti, un’ondata di caldo è indice di normalità.
Se prima poi si credeva che il lunedì e il martedì fossero i giorni più tristi della settimana e il venerdì e il sabato quelli felici, dopo le elezioni presidenziali del 2016 “ogni giorno può essere il più triste” (Danforth).
E poi, a chi non piace la musica? Per appassionati e non, gli accordi maggiori sono più allegri di quelli minori secondo Yong Yeol Ahn. Ma il mondo degli affari che ruolo ha in tutto ciò? Nonostante superficialmente si pensi che l’analisi dei sentimenti non riscuota un gran successo tra le aziende, ormai quasi tutte se ne avvalgono. Chi lo utilizza per valutare le recensioni degli utenti e migliorarsi, chi per valutare il gradimento dei dipendenti.
E’ evidente dunque che le emozioni di tutti siano alla mercé di algoritmi, programmi, computer, ricercatori o psicologi.
La domanda è: dove si trova il confine tra etica e immoralità, privacy e pubblico, mio o tuo?
Fonte: https://www.internazionale.it/notizie/dana-mackenzie/2020/10/15/algoritmi-umore-social
