L’utilizzatore: da problema a soluzione

In entrambi i casi, l’attenzione sarà con­centrata su quelle tecnologie che hanno l’utilizzatore come elemento attivo nel proprio approccio. Vale a dire su quelle tecnologie che coinvolgono gli utenti, in modo più o meno esplicito e consa­pevole, in operazioni normalmente svolte in modo automatico. In questo senso, gli utilizzatori si trasformano da problema a soluzione: se prima erano presenti soltanto attraverso le loro ne­cessità da soddisfare, adesso partecipa­no attivamente al processo tecnologico di cui fruiscono, spesso con efficacia superiore alle macchine.

Tagging

Da questo punto di vista, la prima im­portante novità è il tagging, una tecnica già oggi applicata da servizi popolari come Flickr e Youtube, i quali ne hanno fatto un punto di forza del proprio suc­cesso. Il tagging permette agli utilizza­tori che lo desiderano di associare a dati tradizionalmente difficili da trattare, come immagini o video, delle tags, cioè delle parole chiave che descrivono il contenuto dei dati così come gli utiliz­zatori stessi lo vedono. Si tratta di un’in­novazione importante per il motivo seguente: spesso la fase più difficile in un sistema di information retrieval è l’indexing, cioè la rappresentazione del contenuto dei dati in una forma adatta per il trattamento automatico. Quando si tratta di immagini o video, tale ope­razione è pressoché impossibile per un computer. Infatti, nessuna tecnica automatica è attualmente in grado di ca­pire e descrivere il contenuto di un’immagine o di un video, se non in casi talmente particolari da avere una scarsa utilità pratica. Non a caso, sistemi come Google e Yahoo, che pure sembrano ca­paci di descrivere il contenuto dei dati multimediali, si basano per l’indexing sul testo che accompagna i dati, una tecnica che, per quanto efficace, serve più ad aggirare il problema che non ad affrontarlo.

Il tagging altro non è che un’opera­zione di indexing effettuata dagli utiliz­zatori, i quali, essendo degli esseri uma­ni, dovrebbero svolgerla con efficacia superiore a quella di un computer. I ri­sultati mostrano che l’idea è effettiva­mente corretta, ma nello stesso tempo trascura un aspetto importante: proprio perché esseri umani, i taggers, cioè gli utilizzatori che spontaneamente asso­ciano le parole chiave ai dati, non sono mossi da criteri tecnologici, ma da mo­tivazioni sociali e personali che spesso finiscono per influenzare negativamen­te il processo che dovrebbero aiutare. Ecco quindi i taggers «vanitosi» che usano talmente tante tag da avere un’in­fluenza spropositata sul funzionamen­to del sistema, quelli «egoisti» che usa­ no tags talmente orientate ai propri fini personali da essere assolutamente inu­tili per tutti gli altri, o i semplici «van­dali» che usano tags, spesso di carattere osceno, che nulla hanno a che vedere con l’effettivo contenuto dei dati.

Pur con tutti i suoi limiti, il tagging si è rivelato un approccio fruttuoso che ha introdotto un importante elemento di novità nel modo di guardare al pro­blema dell’information retrieval. L’uti­lizzatore, che prima era visto come sem­plice destinatario finale dell’applicazio­ne, adesso diventa parte attiva del pro­cesso e contribuisce al funzionamento di un sistema tanto quanto le compo­nenti automatiche. Questo cambia­ mento di visione ha dato origine a mol­teplici linee di ricerca che daranno frut­ti soltanto tra diversi anni. Il resto dell’articolo descrive quelle che sono, almeno a giudizio dell’autore, le più promettenti e interessanti.

Social computing

Un primo tentativo, in parte già attuato in alcuni servizi on­line, è quello di raggruppare gli utilizzatori in classi o co­munità caratterizzate da comportamen­ti e interessi comuni. Si tratta di un approccio spesso definito social computing per la sua similitudine con la vita sociale, nella quale è sempre possibile identificare gruppi che vanno dal ri­stretto nucleo famigliare fino alle intere comunità nazionali. Raggruppare gli utenti in comunità significa eliminare gli aspetti più individuali di ogni utiliz­zatore in favore di quelli più comuni e quindi più affidabili dal punto di vista statistico. Il servizio che ne risulta è meno centrato sul singolo utilizzatore, che si trova ad avere risposte mediate sul profilo del gruppo cui appartiene, ma nello stesso tempo è molto più ro­busto rispetto ai problemi del tagging descritti in precedenza («vanità», «egoi­smo» e «vandalismo»).

Il limite fondamentale dell’approccio risiede nel fatto che ogni utilizzatore resta un individuo e non è possibile identificarlo totalmente con un gruppo. Inoltre, la stessa persona può apparte­nere a gruppi diversi in momenti diver­si e ciò introduce una notevole ambigui­tà. Alla luce di ciò, una corrente di ri­cerca ancora in fase embrionale, ma in rapida espansione, mira a rendere i computer capaci di capire le persone così come lo fanno normalmente gli esseri umani. In altre parole, si tratta di insegnare ai computer a cogliere le ne­cessità e le condizioni degli utilizzatori nello stesso modo in cui un buon ven­ditore riesce immediatamente a capire se il cliente ha o no intenzione di com­prare e quali sono i migliori argomenti per convincerlo a farlo quando è in dub­bio.

Social signal processing

Tale linea di ricerca, nota come social signal processing, fa leva sulla comunicazione non verbale come fonte di infor­mazione circa l’attitudine di una perso­na rispetto agli altri e agli oggetti (per quanto possa sembrare sorprendente, le persone tendono a rapportarsi con le cose nello stesso modo in cui lo fanno con le persone). Nell’ambito dell’infor­mation retrieval, ciò significa che la macchina diventerebbe capace di capire l’utilizzatore, il suo stato d’animo, i suoi bisogni, e tutto quanto necessario per offrire un miglior servizio, nello stesso modo del personale di un buon locale che cerca di far sentire i clienti a proprio agio.

Il social signal processing consiste nell’utilizzare i sensori di cui molti computer sono oggi dotati (microfoni e webcam) per identificare comporta­menti non verbali come la postura dell’utilizzatore, la sua espressione fac­ciale, la direzione del suo sguardo, i suoi gesti e quant’altro può essere car­pito per via automatica. Secondo le in­dicazioni di psicologia sociale e antro­pologia, tali comportamenti sono direttamente correlati con l’attitudine delle persone verso la situazione in cui si tro­vano, quindi possono fornire indicazio­ni preziose su quali sono i bisogni degli utilizzatori e su come soddisfarli. In questo senso, l’utilizzatore diventa una volta di più partecipante attivo, per quanto del tutto inconsapevole, del pro­cesso tecnologico di cui fa uso.

Laddove tagging e social computing sono già oggi parte della realtà, sebbene a uno stadio diverso di sviluppo e diffu­sione, il social signal processing è an­cora pura ricerca. Tuttavia si apre già un dibattito su quanto sia opportuno ren­dere le tecnologie capaci di raccogliere informazioni sempre più dettagliate circa gli utilizzatori. La discussione su tale tema esula da questo articolo, ma è sempre bene ricordare che molte tecno­logie sulle quali si fa quotidiano affida­mento hanno un prezzo in termini di informazioni private che si rilasciano, più o meno consapevolmente, a terzi (carte di credito, prenotazioni on­line, ecc.).

Poche tecnologie di punta finiscono, come l’information retrieval, per avere un impatto sociale così ampio (non a caso si parla di sociotecnologie). Il loro sviluppo sarà pertanto determinato non solo da fattori puramente tecnici e scientifici, ma anche dal più ampio di­ battito che tale sviluppo determinerà nella società. I prossimi anni ci diranno se e quanto gli utilizzatori accetteranno di partecipare ai processi tecnologici a scapito della loro privacy.