Alzi la mano chi non ha mai provato l’esperienza di un acquisto online con conseguente bombardamento pubblicitario da parte di quel negozio ovunque ci si colleghi, via e-mail, sui social, su siti che non hanno nulla a che vedere con quell’oggetto. Un paio di anni fa AJ Abdallat, ora CEO della startup Beyond Limits Corporation, si è trovato per l’ennesima volta nella stessa situazione, e ha deciso di darci un taglio. La pubblicità online non è negativa in sé perché è fonte di guadagno per le aziende, e talvolta (anche se raramente) ci propone qualcosa cui potremmo essere davvero interessati, ma è la pubblicità aggressiva ad essere un problema. Problema che Abdallat ha intenzione di confinare nel passato.
Tramite la sua azienda ha chiesto il permesso al Jet Propulsion Laboratory di utilizzare due programmi di intelligenza artificiale che permettono di targettizzare il più efficacemente possibile il marketing digitale. Il creatore di entrambi i programmi è Mark James, scienziato del JPL. Lui e il suo collega David Atkinson crearono la primissima versione dello Spacecraft Health Inference Engine (SHINE) già negli anni ’80, “È stato progettato perché in quell’epoca i mezzi spaziali avevano pochissima capacità computazionale” ricorda James.
I software tradizionali che simulano la conoscenza e il giudizio di un essere umano in un determinato campo utilizzano una vasta base di informazioni e si affidano ad un elaboratore centrale per rielaborarle. Questo comporta un sistema di ragionamento generico che interpreta ripetutamente le stesse regole. SHINE raccoglie lo stesso tipo di informazioni, ma le raggruppa in una rappresentazione compatta che può essere rielaborata sul computer dell’utente molto più velocemente, e che dà come risultato una soluzione personalizzata per ogni problema che si presenta. È come se, anziché richiamare 100 membri di un team per risolvere un dato problema, ci si rivolgesse ai due specialisti necessari, spiega James. “Gli altri 98 possono andare via, e il tuo problema è risolto molto più velocemente, e in meno spazio”.
Diversi anni fa, SHINE e il C Language Integrated Production System (CLIPS), uno strumento popolare tra gli esperti creato sempre da NASA, erano i punti di riferimento in questo campo. CLIPS elaborava circa 40.000 regole al secondo con una memoria di 20MB, mentre SHINE poteva rielaborare da 100 a 300 milioni di regole al secondo con soli 20/30kB, dimostrando “incredibili miglioramenti di performance su qualsiasi altra cosa là fuori” afferma James.
Immagine prodotta dalle ultime fotografie di Nettuno riprese dagli strumenti di Voyager2 nei filtri arancione e verde. Fonte: NASA
SHINE è figlio di SHARP (Spacecraft Health Automated Reasoning Prototype), progettato per monitorare la salute dei sistemi di controllo dei mezzi spaziali, e il motore inferenziale (l’algoritmo che simula le capacità di ragionamento della mente umana) ha dato per la prima volta prova di se stesso quando scoprì un’anomalia nel sistema di telemetria di Voyager 2 poco tempo prima che la sonda si imbattesse in Nettuno, nel 1989. Se SHARP non avesse fatto questa scoperta, la missione avrebbe potuto essere compromessa. Da allora il motore è stato migliorato ed usato su molte altre missioni NASA. Ad esempio, SHINE fu usato a terra per elaborare le analisi di telemetria delle missioni Galileo e Magellano.
È stato continuamente migliorato per renderlo più veloce e reattivo. James afferma che SHINE è stato usato per risolvere problemi nella cybersecurity e per effettuare la diagnostica di vari sistemi robotici e di sicurezza.
L’altro programma di Beyond Limits si chiama Hunter, un sistema di comprensione del linguaggio naturale che James ha progettato circa sei anni fa. “Differisce dagli altri perché permette di definire modelli di ciò che si vuole conoscere, ed è in grado di estrarre quel particolare contenuto anche da un testo strutturato malamente. Dove altri approcci di comprensione linguistica utilizzano le loro soluzioni grammaticali – perlopiù comparando testi precaricati – Hunter può prendere una singola frase e far emergere centinaia di parafrasi, perché va alla ricerca delle intenzioni, del concetto, anziché basarsi sul solo sistema di traduzione grammaticale.
La Beyond Limits fu fondata nel 2012 e già l’anno successivo brevettò diversi software, poi si focalizzò sul modo di rendere più strategica la pubblicità online. Anziché far ricordare semplicemente al programa che una volta l’utente ha acquistato qualcosa in dato negozio, o inviare pubblicità a seconda di alcune parole chiave digitate dall’utente, il software cerca di capire le intenzioni di una persona in un dato momento, e fornirgli i contenuti più adatti. Abdallat aggiunge che questa elaborazione può includere anche le informazioni demografiche disponibili, oppure la history di internet di un determinato utente, creando il profilo di una persona e i suoi interessi.
Il software inizia la sua inferenza (“trae le sue conclusioni”) con l’assunto che gli obiettivi di un utente internet non siano assolutamente certi, e che possano cambiare di giorno in giorno, secondo Abdallat. Una persona che guarda un sito web di giocattoli potrebbe non essere un collezionista, ma semplicemente cercare un regalo per un bambino. Hunter riesce a determinare non solo quale sito web è stato consultato, ma anche il contenuto specifico. Abdallat sottolinea che aziende come Amazon e Netflix spendono decine di milioni di dollari annualmente per migliorare le loro raccomandazioni agli utenti; nel 2014 Google ha speso 400 milioni di dollari per acquisire Deep Mind, una compagnia che non aveva ancora creato nemmeno un prodotto, ma che aveva come dipendenti alcuni dei più avanzati esperti nell’innovativo campo dell’intelligenza artificiale, conosciuto come “deep learning”.
“Questo è un mercato in cui le capacità dell’AI hanno un ruolo sempre più ampio” afferma Abdallat. Le aziende stanno perdendo interesse nella pubblicità stampata e l’unico settore pubblicitario in crescita è quello del marketing digitale.
Spinoff nel dettaglio [ENG]
SHINE [ENG – Wikipedia]
Sito di Beyond Limits Corp. [ENG]
Report sull’utilizzo di SHARP durante l’incontro di Voyager 2 con Nettuno [ENG – pdf]
