Se neanche Google lo fa

Il fiuto dell’algoritmo

di

thumbnail

01

ago

2016

Se avessi chiesto alla gente che cosa voleva, mi avrebbe risposto “Un cavallo più veloce”. (Henry Ford, apocrifa)

Jodie Archer e Matthew L. Jockers sostengono di avere creato un metodo per identificare gli elementi che fanno di un romanzo un bestseller e di conseguenza prevedere il successo di un testo previa analisi del suo contenuto.

I due hanno esposto la loro tesi nel libro The Bestseller Code: Anatomy of the Blockbuster Novel e hanno identificato anche il romanzo perfetto, con il cento percento di probabilità di entrare nella top ten dei bestseller del New York Times: Il cerchio, di Dave Eggers (che in effetti ha venduto centinaia di migliaia di copie, sulla sola carta, dal suo debutto negli Stati Uniti nel 2013). Ecco gli ingredienti base del successo, identificati dall’algoritmo e riferiti da Publishers Weekly:

I tre-quattro temi centrali del libro ne occupano circa il 30 percento del totale. […] Un numero significativo di bestseller degli ultimi trent’anni presenta una trama con un ritmo regolare, con elementi di simmetria e una evidente struttura in tre atti. […] Un altro ingrediente è la scrittura in linguaggio di tutti i giorni […] I libri che vendono di più tendono a mostrare una relazione stretta tra i personaggi protagonisti e i verbi usati per descrivere le loro azioni.

Non voglio mancare di rispetto agli autori e alla loro analisi preliminare di migliaia di datapoint su oltre ventimila romanzi, osservando che i parametri base sembrano molto base e anche un po’ scontati dai tempi di Shakespeare, se non di Euripide. Mike Shatzkin è di opinione diversa e sostiene che a dover essere presi in considerazione non siano tanto i contenuti di un libro quanto tutti i suoi metadati. A partire dalla constatazione che Google predice i film di maggiore successo al botteghino in modo del tutto opposto:

Guardano a qualunque tipo di dato: numero di sale, risultati di altri film con gli stessi attori, quantità di ricerche riguardanti il film, visioni dei trailer su YouTube, genere, stagionalità, autorevolezza degli attori protagonisti, salute delle case produttrici, concorrenza, giudizi di critica e pubblico. Non leggono la sceneggiatura. Potrebbero analizzare sematicamente i dialoghi (chi, se non Google?), ma non lo fanno, perché non sarebbe predittivo.

Neil Balthaser contraddice (parzialmente) Shatzkin e nel farlo mette il dito nella vera piaga (traduzione libera, ma il senso è quello):

Concordo sulla teoria con Shatzkin, ma il libro non afferma precisamente quanto lui confuta e il nostro lavoro con il machine learning a Intellogo definisce una cosa un po’ diversa. Noi miriamo a identificare i toni, le atmosfere, gli argomenti e gli stili di scrittura nei libri che vendono molto – cosa che possiamo fare solo algoritmicamente – e, così facendo, comprendere meglio i desideri del pubblico. […] Il sistema può confrontare i bestseller attuali con i titoli in via di pubblicazione e aiutare l’editore a concentrare il marketing dove è più opportuno.

Siamo sempre al solito punto: il machine learning è molto meno dell’intelligenza artificiale. Non immagina, cataloga: in questo caso i gusti dei lettori, per azionare un circolo vizioso che amplifica i gusti della maggioranza e soffoca il resto.

Niente di male: tirano le storie di amori contrastati in Cornovaglia e allora l’editore punta su storie di amori contrastati in Cornovaglia. Purché si ricordi che a sconvolgere i mercati – e crearne di nuovi – sono le storie che il pubblico non sa di volere. Nessun machine learning ci avrebbe mai dato la Ford Modello T, o iPhone (il prodotto più popolare di sempre, un miliardo di pezzi in nove anni, per parlare di mercati da perseguire) e neanche il Signore degli Anelli. Mentre, se l’apprendimento cibernetico fosse stato usato dal Trecento in Italia centrosettentrionale, oggi ci ritroveremmo con chilometri di poemi scritti in terzine di endecasillabi.




Lucio Bragagnolo (@loox) è giornalista, divulgatore, produttore di contenuti, consulente in comunicazione e media. Si occupa con entusiasmo di mondo Apple e digitalizzazione a scuola e in azienda. Dal 2015 è membro del comitato tecnico-scientifico di LibreItalia. Nel tempo libero gioca di ruolo, legge, balbetta Lisp e pratica sport di squadra. È sposato felicemente con Stefania e padre apprendista di Lidia. Insieme a Luca Accomazzi è autore per Apogeo dei manuali su OS X, tra i quali OS X Server e i recenti OS X 10.11 El Capitan e OS X oltre ogni limite. Con Swift ha fatto tutto da solo.

In Rete: macintelligence.org

Letto 2.009 volte | Tag: , , , , , , , ,

Lascia il tuo commento