< p class="meta"> Di Tiernan Ray | 22 giugno 2021 — 13:03 GMT (14:03 BST) | Argomento: Intelligenza Artificiale
Chiunque abbia guardato una dozzina di video su TikTok con gli stessi passi di danza, o letto innumerevoli tweet con le stesse espressioni preconfezionate, sa che ci sono pochissime informazioni sui social media.
Non è un caso, è un progetto. Le app di social media sono canali di comunicazione, ma comunicazioni di un tipo particolare. Sono progettati per trasmettere un segnale aggregato di tutte le cose che le persone stanno dicendo e, così facendo, aumentare le entrate pubblicitarie. Per fare ciò, i social media cercano di ridurre al minimo ciò che è noto come entropia, che è sostanzialmente equivalente a ridurre al minimo le informazioni.
Il fisico austriaco Ludwig Boltzmann è stato il primo a interpretare l'entropia in termini statistici. Nel tempo, la probabilità dei molti diversi possibili stati energetici delle particelle aumenta, rendendo sempre più difficile prevedere lo stato della materia.
Tutto torna alla fisica. La Seconda Legge della Termodinamica è stata formulata nel diciannovesimo secolo. Dice che l'entropia aumenta nell'universo nel tempo. Il fisico austriaco Ludwig Boltzmann diede la prima interpretazione statistica della Seconda Legge. Boltzmann diceva che nel tempo la probabilità di ogni possibile stato energetico delle particelle nella materia aumenta, così che diventa sempre più difficile prevedere con certezza lo stato della materia.
L'illustrazione classica dell'entropia è un bicchiere che cade e si rompe. Un vetro rotto non si ricompone. Le cose si rompono e diventano meno certe: l'universo diventa meno organizzato, non di più. Questa è la freccia del tempo e la nostra esperienza di vita.
Nel 1948, il famoso scienziato dei Bell Labs Claude Shannon applicò la teoria statistica di Boltzmann all'informazione. Nell'ormai famoso articolo “A Mathematical Theory of Communication”, Shannon scrisse che, proprio come le particelle in un gas, un messaggio in inglese può avere entropia, intendendo con questo i molti modi possibili in cui le lettere dell'alfabeto possono essere assemblate in parole e le parole in frasi che formano un messaggio.
Ad esempio, metà di tutto ciò che scriviamo in inglese è formato dalle leggi dell'inglese, inclusa la grammatica, la sintassi e l'ortografia, scrisse Shannon. L'altra metà è ciò che scegliamo liberamente. Questa libera scelta è entropica, o ricca di informazioni. L'informazione e l'entropia sono libertà, scriveva Shannon, la nostra capacità di esercitare la scelta all'interno di un sistema di regole.
“[I]nformation è una misura della propria libertà di scelta quando si seleziona un messaggio”, come ha affermato Shannon.
L'informazione, in questo senso, era un equilibrio: la giusta quantità di entropia. Troppa poca entropia, e il messaggio da comunicare sarebbe banale. Troppa entropia e il messaggio potrebbe essere un caos caotico.
In un canale di comunicazione ideale, ha affermato Shannon, l'entropia del messaggio sarebbe ricevuta perfettamente e le informazioni sarebbero state trasmesse. Pensa a questo come all'entropia “buona”, l'esercizio della libertà.
Ma c'è un problema in qualsiasi sistema di comunicazione, ha detto Shannon. Sul lato ricevente, il messaggio che si trasmette può diventare soggetto a rumore nel canale di comunicazione. Le lettere possono essere confuse e intere frasi possono essere confuse facendo saltare le lettere di posizione o abbandonandole.
Il messaggio ricevuto, chiamato “segnale”, acquisisce un nuovo tipo di entropia, una nuova incertezza, che blocca il messaggio e riduce la comunicazione. Chiamiamola la “cattiva” entropia.
Come ha detto Shannon, e come troppo spesso dimenticato da coloro che citano Shannon, “È quindi possibile che la parola informazione abbia connotazioni buone o cattive.
L'incertezza che sorge in virtù della libertà di scelta da parte del mittente è l'incertezza auspicabile. L'incertezza che sorge a causa di errori o per l'influenza del rumore è un'incertezza indesiderabile.”
L'approccio statistico di Boltzmann ha fornito una soluzione alle preoccupazioni di Shannon. Se l'entropia è un fatto statistico, allora in teoria l'entropia potrebbe essere ridotta , e l'ordine potrebbe essere aumentato. La freccia del tempo potrebbe essere invertita. Il bicchiere potrebbe rimettersi insieme.
Per Shannon, c'erano due modi per ridurre la cattiva entropia in termini di comunicazione. O si potrebbero limitare i possibili messaggi che possono essere inviati, oppure si potrebbero applicare codici che impongono ridondanza, come raddoppiare ogni carattere in una parola, così l'incertezza è ridotta.
Flash forward sui social media. I social media stanno anche cercando di recuperare un segnale dal rumore in un canale di comunicazione. Ma che tipo di canale di comunicazione sono i social media?
Lo scienziato dei Bell Labs Claude Shannon ha fondato la teoria dell'informazione sull'interpretazione statistica dell'entropia di Boltzmann. I messaggi contengono entropia nella libera scelta di una persona di combinazioni di elementi all'interno di un insieme di regole. Un segnale ricevuto contiene entropia parassita sotto forma di rumore, che può complicare lo sforzo di trasmettere il messaggio previsto.
Konrad Jacobs, Erlangen
Non è un canale di comunicazione tra persone, perché il problema di come inviare un messaggio è già stato risolto nei settant'anni in cui sono state applicate le tecniche di codifica di Shannon. Lo fai sempre quando invii un messaggio di testo sul telefono. E le pagine Web significano che chiunque può dire alle persone cosa pensano e quindi comunicare informazioni. La comunicazione da persona a persona è stata risolta molto prima che comparissero i social media.
Invece, i social media sono un canale di comunicazione per recuperare il segnale dei messaggi in aggregato, la totalità dei messaggi che le persone inviano. Se tutti i duecento milioni di utenti attivi su Twitter twittano tutto il giorno, o i quasi due miliardi di utenti attivi su Facebook stanno postando, qual è il segnale che dovrebbe uscire da tutto ciò?
Tutti i tanti messaggi formano segnali, la prevalenza dei temi, l'amplificazione dei gesti. Il segnale totale potrebbe essere la politica progressista in alcuni casi, la politica conservatrice in un altro, o il calcio, o gli stili di programmazione del computer, praticamente qualsiasi cosa.
Il contenuto non è importante, l'importante è che si tratti di un segnale sempre più chiaro. Qualunque sia il segnale, è la totalità, non i singoli messaggi. I social media sono il derivato di secondo ordine, se si vuole, della comunicazione umana, il segnale emergente del comportamento di massa.
Ed è qui che entra in gioco l'entropia. Vista dal punto di vista dei social, l'entropia buona – l'imprevedibilità di molte persone che fanno cose su Internet – è anche l'entropia cattiva, nel senso che può rendere il segnale ricevuto altamente incerto.
Le persone che chiacchierano sono come il gas ideale di Boltzmann, dove le particelle diventano sempre più difficili da prevedere. Qualcosa deve ridurre l'entropia. Il vetro deve rimettersi insieme.
Come suggerito da Shannon, ci sono due scelte. O i messaggi possono diventare più ridondanti e prevedibili, oppure può essere applicato un sistema di codifica che trasforma i messaggi in qualcosa di ridondante e prevedibile.
Shannon ha concepito un sistema di comunicazione completo, in cui i messaggi, scelti liberamente dalle persone tra una serie di regole, entrano nel sistema come input alla sorgente e vengono ricevuti dall'altra parte come segnale. Shannon si preoccupava di come preservare la buona entropia del messaggio liberamente scelto dall'essere sopraffatto dal ricevitore nell'entropia parassitaria del rumore.
Claude Shannon, 1948.
Entrambi gli approcci sono in uso sui social media. La codifica viene applicata esplicitamente da cose come i pulsanti “mi piace”. Sotto forma di grafico sociale su Facebook, o grafico di informazioni su Twitter, gli utenti si raggruppano in modelli che presumibilmente rivelano quali sono i loro veri interessi. Quando fai clic su “mi piace” su un post, o ritwitti qualcosa o condividi un video TikTok, stai calcolando una media di scelte meno casuali.
Quindi, l'informazione esplicita — ecco una fotografia della mia vacanza, o, ecco la mia opinione sui candidati sindaco — non è la componente importante sui social. Ciò che è importante è il secchio di interessi in cui cade tale comportamento. È il segnale inconscio, nascosto dietro i singoli messaggi.
Ma la codifica esplicita non è l'unico elemento in gioco. Gli umani sui social media capiscono a un certo livello che ridurre l'entropia è importante. Ecco perché lavorano volontariamente con il sistema per ridurre l'entropia.
Consapevoli dei Mi piace e dei follower, gli umani sceglieranno un comportamento che rafforzi la prevedibilità. Tick verbali del tipo “Non posso nemmeno” su Twitter, che comunicano un atteggiamento, o il perfetto passo di danza replicato su TikTok, sono modi per una persona di mettersi in accordo con il segnale dominante su questi social network. Sono esempi di persone che rendono ridondante ogni messaggio in modo che il segnale passi attraverso il rumore.
Le persone, di propria scelta, ridurranno la loro entropia e si allineeranno con la macchina. Ogni volta che qualcuno su Facebook sceglie di ricircolare qualcosa che è noto per produrre ooh e ah, e ogni volta che qualcuno prepara la foto perfetta della spiaggia del tramonto per Instagram che può essere certo di ricevere “mi piace”, se accompagnata dall'hashtag appropriato, è un esempio di comportamento auto-modellante, la riduzione volontaria dell'entropia e, quindi, la riduzione dell'informazione.
I meme, l'uso di una singola immagine riconoscibile, sono una forma di compressione dei dati e anche la quintessenza della riduzione dell'entropia. Tutti i possibili modi di parlare possono essere ridotti a un'espressione visiva che è già in circolazione tra la maggior parte delle persone. Il meme non trasmette alcuna informazione proprio perché dà a tutti coloro che lo vedono il segnale comportamentale prevedibile che già possiedono.
Comprendere il ruolo dei social nella riduzione dell'entropia chiarisce alcune idee sbagliate sui social media.
Numerose persone hanno sottolineato che i social non si limitano a rivelare le preferenze, ma le modellano. Roger McNamee, in Zucked, un libro profondamente critico su Facebook, descrive la manipolazione del comportamento degli utenti come centrale per The Social Network. McNamee attinge alle intuizioni di coloro che hanno familiarità con Facebook, come l'ex ingegnere di Facebook Tristan Harris.
I termini “growth hacking” e “data voodoo dolls” spiegano l'uso di algoritmi da parte di Facebook e altri per indurre le persone a comportarsi in determinati modi prevedibili.
Per quanto potenti siano tali esami, soffrono di un equivoco. Tali critiche suggeriscono che la manipolazione è un allontanamento dalla vera missione del sociale, vale a dire, consentire alle persone di riunirsi e comunicare.
Vista attraverso la lente di Shannon e Boltzmann, la riduzione dell'entropia tramite un comportamento ridondante, e quindi prevedibile, non è un'aberrazione del canale di comunicazione, è il punto centrale della macchina di comunicazione. In quanto macchina per trasmettere un segnale di intenti, il social è progettato per ridurre l'entropia, per promuovere la prevedibilità.
Stufo? Come eliminare o disattivare il tuo account Facebook
Ancora una volta, il contenuto non è importante. L'importante è che contenuti di qualsiasi tipo formino sempre più un segnale chiaro.
E questo rivela un altro importante equivoco. La concezione tipica è che i social media siano un canale di comunicazione per le persone, prima di tutto, sostenuto dalla pubblicità di dollari come una sorta di male necessario.
Ma, in quanto imprese orientate al profitto, il segnale più importante che i social media possono recuperare non è l'espressione umana, ma piuttosto il segnale di acquisto degli inserzionisti. Quando gli acquirenti di annunci, come i grandi marchi, acquistano “tweet sponsorizzati” o banner pubblicitari di Facebook, gli stessi inserzionisti rivelano le loro preferenze.
Ancora una volta, con la massima entropia, gli acquirenti di annunci inserirebbero in modo casuale annunci ovunque con circa la stessa frequenza. Presentato con contenuti ripetitivi e prevedibili, l'acquisto di annunci viene ordinato in gruppi prevedibili della spesa più probabile.
< p>La diversità ricca di informazioni degli umani chiacchieroni, a sinistra, deve essere ridotta a secchi più organizzati, a destra, sui social al fine di individuare un chiaro segnale a fini pubblicitari.
Tiernan Ray per ZDNet
Se un inserzionista desidera inserire annunci su un argomento di tendenza, la preferenza espressa è per quel tipo di materiale strettamente definito. Social riduce l'incertezza delle preferenze dell'inserzionista.
Sebbene gli acquirenti di annunci pensino di sapere cosa vogliono, gli ingegneri dei social media sanno che la maggior parte degli acquisti di annunci è casuale e sparsa. La maggior parte degli inserzionisti ha un budget, quindi preme acquista e fa domande in un secondo momento. Hanno pochissima idea di cosa stanno facendo. Il social fornisce un modo per mettere ordine in quell'intento caotico.
Gli inserzionisti ottengono qualcosa da tutto questo? Sulla base delle affermazioni di Facebook, Twitter, Snap e Pinterest, c'è una maggiore trasparenza, in modo che gli inserzionisti possano vedere il loro ritorno sull'investimento in cose come quella che viene chiamata “reach” e l'intento implicito o esplicito da parte degli utenti – – intenzione di acquistare, come l'acquisto effettivo, o l'intenzione almeno di saperne di più su un prodotto.
Tuttavia, nella misura in cui gli inserzionisti vengono indotti a una serie prevedibile di gruppi di acquisto, può essere difficile per gli inserzionisti stessi dire qual è la loro scelta e qual è la loro conformità con la macchina, proprio come il utenti.
Vedi anche: I social media sono una tecnologia influente o uno strumento dell'insurrezione?
Ciò è particolarmente vero durante la stagione della pubblicità politica, un grande periodo per l'acquisto di annunci sui social media, proprio come negli annunci offline. Negli Stati Uniti, i social media stanno principalmente aiutando a trasmettere l'intenzione di acquisto per il potenziamento repubblicano o democratico, indipendentemente dal fatto che abbia o meno un impatto effettivo sul voto.
Gli umani ottengono qualcosa in cambio? Il segnale trasmesso dai social media non è destinato al consumo umano. È pensato per essere collegato a un'altra macchina, la macchina per l'acquisto di pubblicità, in particolare la macchina nota come acquisto di pubblicità programmatica, che risponde in modo riflessivo ai dati. Che gli umani apprezzino i social media o imparino qualcosa dai social media è irrilevante.
Naturalmente, gli umani non la pensano così. Chiunque abbia postato una foto di una vacanza su Facebook sente di non partecipare semplicemente a un'attività collettiva, ma di condividere informazioni e anche di trasmettere un significato. E questo può essere vero a un certo livello.
Senza entrare nelle implicazioni filosofiche del comportamento modellato e auto-modellante: “Guarda quanto è bella la mia vacanza!” – se tali atti sono ricchi di informazioni è irrilevante per la macchina se quelle espressioni non monetizzano. Perché poi non aiutano a recuperare il segnale di acquisto della pubblicità.
Per i social media, la maggior parte dei comportamenti umani, comprese le foto delle vacanze, è solo rumore.
Intelligenza artificiale
Che cos'è l'intelligenza artificiale? Tutto ciò che devi sapere sull'intelligenza artificiale e i lavori di data science sono caldi. Ecco cosa vogliono i datori di lavoro I migliori robot di telepresenza per acquistare IA stanno diventando più intelligenti, veloci. Questo sta creando domande difficili a cui non possiamo rispondere. I lavori di intelligenza artificiale sono in piena espansione. Queste sono le competenze di cui hai bisogno per essere assunto (ZDNet YouTube) Intelligenza artificiale: Cheat sheet (TechRepublic)
Argomenti correlati:
Consumerization Digital Transformation CXO Internet of Things Innovation Enterprise Software 