Un algoritmo può prevedere il comportamento di una persona meglio di un essere umano

Si potrebbe pensare, o almeno sperare, che gli esseri umani siano capaci di capire i propri simili meglio di quanto farebbero delle macchine. Ma uno studio del Massachusetts institute of technology (Mit) suggerisce che un algoritmo è in grado di prevedere il comportamento di una persona più velocemente e in modo più affidabile degli esseri umani.

Max Kanter, uno studente iscritto al master in informatica all’Mit, e il suo tutor, Kalyan Veeramachaneni, ricercatore presso il laboratorio di informatica e intelligenza artificiale dell’Mit, hanno creato la Data science machine per cercare dei modelli e capire quali siano le variabili più significative.

Il loro articolo sui risultati del progetto sarà presentato alla Conferenza sulla scienza e l’analisi avanzata dei dati dell’Ieee (Istituto degli ingegneri elettrici ed elettronici) a Parigi questa settimana.

È un fatto abbastanza comune che le macchine analizzino dei dati, ma di solito spetta all’essere umano scegliere quali sono quelli utili per l’analisi. In tre gare scientifiche in cui partecipavano delle squadre di esseri umani, la macchina ha fatto previsioni più precise di 615 di questi 906 team umani. E mentre gli esseri umani hanno lavorato per mesi ai loro algoritmi di previsione, alla macchina sono bastate dalle due alle dodici ore per riuscirci.

Per esempio, in una delle gare hanno chiesto alle squadre di prevedere se uno studente si sarebbe ritirato nei dieci giorni successivi, basandosi sulle interazioni dello studente con le risorse di un corso online, e i fattori da tenere in considerazione erano molti.

Le squadre avrebbero potuto osservare a che punto del corso gli studenti consegnano i loro esercizi o se abbiano trascorso del tempo a rivedere gli appunti delle lezioni. Invece, secondo Mit News, gli indicatori più rilevanti erano due: con quanto anticipo, rispetto alla data di consegna, lo studente ha cominciato a lavorare agli esercizi, e il tempo che ha trascorso sul sito web del corso.

Queste statistiche non sono state direttamente raccolte dalla piattaforma di apprendimento online dell’Mit, ma è stato possibile desumerle dai dati disponibili.

In questa sfida la Data science machine si è comportata egregiamente, e lo stesso è successo nelle altre due gare. In una i partecipanti dovevano prevedere se un progetto finanziato con il crowdfunding sarebbe stato considerato “appassionante”. Nell’altra, infine, se un acquirente sarebbe diventato un cliente abituale.

Kanter ha dichiarato a Mit News che esistono molti usi possibili per la sua Data science machine. “Ci sono così tanti dati là fuori che aspettano di essere analizzati”, ha affermato. “Mentre adesso se ne stanno lì fermi a non fare niente”.

(Traduzione di Federico Ferrone)