Profilazione, Traffico Utenti e Filter Bubble

(giovedì 27 febbraio)

Per profilazione (in contrapposizione alla “privacy”) si intende la raccolta dei dati degli utenti nel momento in cui accedono ai siti per fruire (e ancor prima accedere) dei servizi offerti dagli stessi, la loro successiva elaborazione per la categorizzazione e successiva segmentazione degli utenti in base a vari criteri, inglobando sia dati personali sia dati cosiddetti “sensibili” trattati specificamente dalla normativa europea sulla protezione dei dati personali (GDPR).

Appare dunque come una sorta di automatismo che si presenta ogni volta che carichiamo un sito; la profilazione dei nostri dati, attraverso cui si passa quando accediamo a un qualsiasi sito internet, pare come una normale operazione cui ci troviamo davanti ogni volta che accediamo a un pc. Addirittura, può apparire come una sorta di lucchetto al sito: ‘O clicchi OK o il sito non lo vedi’ (leggi ‘se vuoi guardarmi gratis…‘). E fin qui, ok – direbbero i più, una mera operazione di “raccolta”.

Ma l’acquisizione dei nostri dati non si ferma qui, come potrebbero pensare in diversi, ad una banale operazione di “raccolta”.

Non è facile denotarlo una volta che si accede al browser ma facendo una semplice ricerca da un qualsiasi motore di ricerca – Google piuttosto che Safari – e a prescindere dal tipo di dispositivo che utilizzo – Apple o Android – in primo piano vengono visualizzati dei contenuti diversi, pur effettuando la medesima ricerca. Oggigiorno, qualsiasi motore nasconde diversi artifizi (es. geolocalizzazione, “lettura” delle abitudini) che “hanno il loro perché !” …, permettendo al motore stesso (e conseguentemente al business che ci sta dietro) di raccogliere delle informazioni su di noi – “dati tecnici” e “dati sensibili“, le nostre abitudini, i nostri gusti, ecc. permettendo di crearsi un “identikit” – a creare uno skilling della persona.

L’internauta dunque il più delle volte provvede a rilasciare le informazioni richieste “senza cognizione di causa” quasi, ignaro che dietro la profilazione dei dati si nasconde un’altra “arma” a vantaggio dei magnati proprietari del motore di ricerca: adottando cioè questa strategia il motore è in grado di proporci direttamente informazioni e contenuti secondo i nostri interessi e quindi, invece di andare all’esterno, mettendo a disposizione proprie risorse nelle ricerche effettuate di modo che le persone rimangono all’interno del motore stesso, e ciò aumenta il loro guadagno (leggi “traffico di utenti“).
Non sono solo le inserzioni pubblicitarie ad essere personalizzate sull’utente ma anche i contenuti che vengono proposti (‘ognuno di noi ha il proprio Internet‘): i risultati ottenuti non sono perciò uguali da me a Tizio a Caio: ‘Internet allora non è uguale per tutti !!’. Questa chiusura esercitata nei confronti del cliente che ne consegue favorisce la crescita del motore (‘Filter Bubble‘).

La profilazione si realizza tramite i cookies, mattoncini che raccolgono e tracciano ciò che abbiamo fatto quando eravamo sul sito (nonché i nostri dati), pertanto risultiamo “schedulati” quando si torna.
Questi piccoli pezzi di codice svolgono certamente delle funzioni importanti (cookies tecnici), ma ve ne sono alcuni intrusivi che tracciano dati sensibili mentre noi siamo sui siti internet (cookies di tracciamento) fra cui cookie maligni che cercano di rubare informazioni private dai computer degli ignari navigatori.

Abbiamo motori di ricerca che accolgono la profilazione dei dati – e sapere tutto quello che si fa – (Google, Bing, Yahoo, Virgilio, ecc.) altri come Ecosia, Qwant, DuckDuckGo, StartPage che al contrario permettono una “libera circolazione”: questi non tracciano un profilo da conservare, si rispetta privacy, è possibile una ricerca aperta (senza cioè essere spiati).

Esistono peraltro degli strumenti che permettono di non essere tracciati (ad es. attraverso il comando adsettings.google.com: possibilità di ATTIVARE/DISATTIVARE – ovvero tracciare – GLI ANNUNCI PUBBLICITARI; se digito google.com/locationhistory scopro i miei movimenti tracciati da Google).

https://www.iene.mediaset.it/video/google-motori-di-ricerca-ci-conoscono_698130.shtml

Primati di AI: Chatbot e Assistenti Virtuali

(19 febbraio)

In principio fu il mobile. Un settore che rapidamente ci ha imposto e abituato, con la sua crescita esponenziale, ad avere tempi di risposta sempre più rapidi dagli elaboratori, in un mondo pervaso dalla smanìa del “tutto e subito”, ma anche ad un continuo rincorrersi di artifizi e tecniche che soddisfacessero i nostri bisogni/desideri. Ebbene, anche a ciò l’informatica più avanzata ha saputo rispondere con le applicazioni dell’AI.

In particolare, a queste esigenze vengono incontro i cosiddetti “chatbots“. Si tratta di software piuttosto che dispositivi in grado di interpretare comandi vocali e interagire con le persone, in funzione proprio dell’Intelligenza Artificiale. Ne esistono di due tipi: i “chatbot” e gli ‘assistenti vocali” (o ‘virtuali”).


Un Chatbot è un software programmato che simula una chat: vale a dire, permette di ricreare una sorta di ambiente virtuale – ad es. una chat appunto – in cui un utente può confrontarsi per ottenere delle risposte . Può essere pensato come un programma in grado di ricevere domande e rispondere secondo specifiche; è strutturato come una alberatura domande/risposte che vengono effettuate in successione al fine di arrivare a una risposta. L’Assistente Vocale è invece basato su algoritmi intelligenti, mediante i quali si ottiene la comprensione di concetti precisi. A differenza del primo, entra in relazione con l’utente perché comunica con un “linguaggio naturale“, cioè comprensibile alla macchina; è un chatbot dotato di intelligenza artificiale, capace di rispondere anche a domande non previste.

Due applicazioni software che vengono utilizzati in disparati campi di applicazione – dalla casa al settore sanitario, alle applicazioni sulle automobili, ecc. -, e conseguentemente gli sviluppi che hanno seguito.

“La diversa interazione che si stabilisce con questi due differenti Virtual Assistant determina un diverso approccio alle due tecnologie: il chatbot è un software che può simulare una conversazione strutturata, e trova particolare applicazione nel settore ‘Customer Care‘ sostituendosi all’operatore umano; l’Assistente Vocale come detto altrove è una applicazione risultato di intelligenza artificiale e machine learning in grado di elaborare comandi vocali, che si può definire essenzialmente come un ‘aiuto nella quotidianità‘.

Quella dei chatbot in senso stretto è perciò una soluzione ideale nel campo dell’assistenza clienti dove è sempre più importante la qualità e la velocità del servizio.
Al contrario gli Assistenti Vocali (o Assistenti Virtuali) sono destinati ad un uso in larga parte casalingo, e il successo è apprezzabile nell’uso dispendioso che ne stanno facendo i consumatori i quali ben hanno accolto l’adozione dei comandi vocali, arrivando finanche ad assumere le sembianze di un umano con cui dialogare e addirittura in grado di risolvere possibili problematiche con un approccio empatico !

Diversità oramai latente a ben vedere. Se in passato, il chatbot poteva eseguire solo compiti specifici come una modifica della password o fornire informazioni sul tempo, al contrario dell’assistente virtuale in grado di offrire un ventaglio più ampio di risposte ricorrenti, i progressi che si sono ottenuti con la NLP (Natural Language Processing) e l’apprendimento automatico, hanno accorciato la forbice esistente tra i due: così, ecco che anche il chatbot in senso stretto viene ad essere una applicazione a cui rivolgere domande e ottenere risposte secondo specifiche fornite. “In futuro potremmo forse arrivare a parlare di un unico Assistente Virtuale, capace di integrare al suo interno soluzioni diverse che consentano diversi tipi di interazione, capaci in questo modo di andare incontro alle esigenze e preferenze di un numero maggiore di consumatori.”

La natura stessa dei chatbot delimita le loro capacità. Ogni chatbot è in un certo senso ancorato ad una funzione limitata: sono adatti ad applicazioni singole come il supporto clienti, il customer engagement o gli acquisti automatizzati. Non possono variare il loro vocabolario o acquisire un linguaggio così vasto da poter servire qualsiasi altra funzione, oltre a quella per cui sono stati progettati.
Come visto, vengono tendenzialmente usati per il supporto clienti (di qualsiasi natura, dal meteo fino ai consigli per i film) o per gli acquisti automatizzati (ad esempio per i biglietti del treno). Ancora adesso hanno difficoltà a ricordare le informazioni chiave durante le conversazioni. Viceversa gli assistenti virtuali dimostrano che possono memorizzare ciò che gli si dice, conservando le informazioni per uso futuro, risparmiando all’utente il tempo e la noia di riscriverle ogni volta. Dovessi chiedere info su un ordine o delle informazioni riguardo a modifiche da apportare, non ti chiederebbe di inviarle nuovamente.

“E’ importante che i Virtual Assistant rispecchino i desideri degli utilizzatori finali che, pur sapendo di stare interagendo con una macchina, preferiscono che questa abbia caratteristiche tipicamente umane, come la pazienza e l’empatia.”
“Umanizzare il più possibile l’Assistente e la modalità di interazione è dunque fondamentale per far sì che l’uso di questi software sia sempre più naturale e coinvolgente per gli utenti, elemento fondamentale per una reale diffusione di questa soluzione.” [rif.: www.vidiemme.it]

L’Assistente Virtuale è un’interfaccia di comunicazione che si basa su un motore cognitivo il quale, comprendendo i concetti affrontati, permette di simulare una conversazione vera e propria, uscendo dagli schemi logici preimpostati di domanda/risposta tipici della Chatbot.

Quindi un assistente virtuale è molto diverso da un chatbot. Fin dall’inizio, la tecnologia degli assistenti virtuali ha permesso loro di essere utilizzati per applicazioni sofisticate come pure molto semplici, ad esempio svolgere compiti o fare ricerche e confrontare prodotti, oltre a molte abilità.
Importante è la loro capacità di comprendere il linguaggio naturale, che consente di ricevere comandi vocali complessi in varie lingue e dialetti. I ricercatori dell’Università di Stanford hanno pubblicato un recente articolo sul Natural Language Processing (NLP), spiegando come migliorerà notevolmente la comprensione dei dialetti regionali, dello slang o del modo naturale di parlare.

Quando si parla di Natural Language Processing intendiamo l’elaborazione automatica del linguaggio umano mediante l’analisi delle sue varie componenti (entità): traduzioni, sentiment analysis, generazione automatica di testi e chatbot sono alcune tra le problematiche più comuni nel campo.

Così, i chatbot si sono evoluti rispetto ai primordiali e possono svolgere più funzioni grazie alla loro capacità di comprendere il linguaggio. L’uso di alberi decisionali, ad esempio, rende molto più facile scoprire l’intento preciso che sta dietro le richieste degli utenti, ampliando ulteriormente la sua utilità per il cliente e dunque per l’azienda, che può leggere meglio le richieste della clientela e prendere decisioni per il miglioramento del prodotto o servizio.

Particolare notare come in corrispondenza della rapida diffusione dei social network si è assistito al passaggio dell’utente da semplice fruitore di notizie a “protagonista attivo” e costantemente operativo, sempre più coinvolto nella produzione di contenuti propri come nella modifica di esistenti e in attività relative ad acquisti e vendite di oggetti e servizi – siamo nei primi anni del XXI secolo -, unitamente all’informatizzazione dei processi aziendali.

In questo contesto, l’importanza dell’Intelligenza Artificiale passa per l’applicazione di nuovi approcci, che integrano l’elaborazione del linguaggio naturale con gli algoritmi di apprendimento profondo (deep learning), producendo risultati straordinari in differenti scenari applicativi.
Dal 2011, l’NLP fornisce soluzioni per analizzare la struttura sintattica del testo (es. nome, verbo, aggettivo), identificando entità e classificandole in categorie predefinite, ricostruendo la struttura sintattica e la semantica tramite il significato delle parole, anche relazionato al contesto e alle modalità di utilizzo (ad es. ironia, sarcasmo, sentimento, umore), classificandolo in categorie predefinite (ad es. sport, geografia, medicina) o sintetizzandone il contenuto. Differenti problemi di NLP sono stati affrontati mediante un algoritmo basato sul deep learning , mostrando prestazioni via via migliori rispetto ad altre modalità di approccio; tecniche di NLP basate su deep learning stanno trovando sempre più applicazione riguardo lo sviluppo di sistemi conversazionali in grado di emulare il dialogo umano, di rispondere a domande su diversi argomenti. [cit. www.agendadigitale.eu]