Con l’intelligenza artificiale, ogni social network ha creato la sua logica e i suoi algoritmi con funzionalità specifiche su cui puntare. Quasi sempre si analizzano dati strutturati, o fortemente caratterizzati, ma quando si passa a dati non strutturati, come le immagini di Pinterest, l’approccio deve necessariamente cambiare. Infatti, la forza di Pinterest è nella velocità con cui analizza, correla e mette insieme dati strutturati e dati non strutturati come le immagini, processando milioni e milioni di immagini in maniera sistematica. Per questo Pinterest ha puntato sulle reti neurali, alla base delle moderne tecniche di analisi dei dati.
Come funziona la soluzione di reti neurali adottata da Pinterest
Pinterest ha riprodotto neuroni artificiali (neuroni in parte hardware e in parte software) che mimano in tutto e per tutto il cervello umano e creano connessioni tra le immagini che il cervello vede, quello a cui è interessato – cioè che non vede in quel momento ma sta pensando – e quello che penserà in un secondo momento. Come quando entriamo in un negozio per scegliere i pavimenti del bagno e dopo averli scelti iniziamo a guardare i mobili da bagno, ovvero decidiamo di comprare accessori a cui non avevamo pensato. Pinterest, mentre guardiamo una foto e mettiamo il nostro Pin, ci presenta subito articoli correlati in maniera perfetta a quello che stiamo guardando e ci propone anche il coupon di sconto per gli accessori.
Lo stesso metodo, o meglio le stesse reti neurali, sono applicate alle centinaia di milioni di immagini immagazzinate da Pinterest e alle connessioni dei vari Pin create dagli utenti, con il risultato che le reti neurali sono in grado di associare ogni azione fatta su Pinterest da un utente, sebbene anonimizzata, all’utente stesso. Questo perché creano dei “pattern” in grado di arrivare a riconoscere l’utente dal suo comportamento e a proporre la pubblicità tarata su di lui e le immagini che sta cercando, ovvero alimentare con nuovi Pin connessioni tra utenti, pubblicità, interessi e comunità, arrivando a elaborare fino a 30 milioni di opzioni al secondo di prodotti e pubblicità da farci vedere, una potenza di calcolo e una rapidità non ottenibile in altri modi.
Come funzionano le reti neurali
Le reti neurali sono altamente strutturate e prevedono, nella loro semplificazione massima, 3 livelli di strati:
- lo strato degli ingressi,
- gli strati nascosti,
- lo strato di uscita.
Mentre gli strati degli ingressi e dell’uscita sono facilmente riproducibili, gli strati intermedi possono essere anche decine a seconda della complessità e profondità di elaborazione che desideriamo. Più ne sono e più fine e sottile sarà la capacità di analisi. È proprio su questi strati intermedi o nascosti che si concentra lo sforzo degli analisti e dei programmatori, per ricostruire il più possibile il comportamento umano, ben sapendo che anche degli strati profondi del cervello si conosce ancora poco e che tradurre la chimica che fa funzionare il cervello in istruzioni e codice è la parte più complicata delle reti neurali. Più sono gli strati intermedi o nascosti, più difficile è capire il comportamento della rete e il perché di un determinato risultato.
Pinterest ha spinto molto su questo aspetto riuscendo a estrarre dalle informazioni in suo possesso, strutturate e destrutturate, connessioni che diversamente anche un essere umano avrebbe perso.
Questo spingersi oltre ha consentito di ottenere revenue da ads in maniera molto superiore ai competitor con un success rate più del doppio degli altri. E ha anche catalizzato una quantità esponenziale di utenti in poco tempo con il mix di immagini e connessioni scelte ad hoc per noi. Infatti, le aziende che si pubblicizzano su Pinterest apprezzano molto la possibilità di up sale che il sistema indirettamente offre, ovvero quando un utente sceglie un certo prodotto Pinterest propone anche altri prodotti alternativi o complementari dello stesso fornitore, il tutto in automatico e senza bisogno di forzare le correlazioni create.
Informazioni e dati degli utenti alla base del sistema di Pinterest
Alla base, però, ci sono sempre gli utenti che, più o meno consapevoli, rilasciano informazioni e dati al social network per alimentare la base dati e gli algoritmi affamati di creare pattern sempre nuovi. E quando gli utenti lasciano i propri dati si pone sempre il tema di gestione degli stessi, di privacy, e anche di responsabilità della risposta delle reti neurali rispetto al gestore del social network: sebbene l’uso dei dati e la proposta di ads e relazioni non sia definita a priori dal gestore del social network, egli è responsabile di quello che i suoi algoritmi fanno pur non potendoli controllare fino in fondo.
Conclusioni
Le reti neurali sono utilizzate in tutti i sistemi che usiamo nella nostra vita, dalla diagnostica per immagini, telemedicina, finanza e fino all’automazione industriale, dalla lavatrice alle auto a guida autonoma. Sono in uso da diversi decenni, dai primi albori dei calcolatori elettronici e automazioni industriali, spesso utilizzate per task semplici o per fare previsioni su ciò che avverrà date certe condizioni iniziali, molto più spesso sono usate per alimentare le tecniche e i sistemi di machine learning e intelligenza artificiale. Lavorando per pattern hanno un elevato grado ripetibilità della risposta a parità di condizioni di ingresso e altre condizioni al contorno, ma sono anche di rapida ed efficace risposta.
Pinterest ha sfruttato questa rapidità e semplicità a suo vantaggio creando uno dei primi strumenti social basato su immagini e cercando di coinvolgere i propri utenti facendogli letteralmente vedere ciò che vogliono vedere.
