Vi siete mai chiesti perché, dopo aver guardato un video su YouTube sulla riparazione di una vecchia Fiat 500, vi vengono suggeriti altri dieci video sulle auto italiane? O come mai Spotify indovina il vostro umore in una piovosa serata a Milano? Non è magia né sorveglianza. È opera degli algoritmi di raccomandazione: ingranaggi digitali invisibili che analizzano le vostre azioni, le confrontano con quelle di milioni di altri utenti e prevedono cosa potrebbe piacervi. Oggi, questi sistemi governano non solo la musica e i film, ma anche le notizie che leggete, i prodotti che acquistate su Amazon e persino le persone che incontrate sulle app di incontri. E la cosa più interessante è che quasi mai vi accorgete della loro presenza.
La maggior parte dei sistemi di raccomandazione moderni si basa su due approcci: il filtraggio collaborativo e il filtraggio dei contenuti. Il primo si basa sul principio “a chi è piaciuto questo è piaciuto anche questo”. Il sistema cerca utenti con cronologie di visualizzazione simili e suggerisce contenuti che hanno già apprezzato. Ad esempio, se ascolti Manu Ciao e rap italiano, l’algoritmo troverà altri fan dello stesso genere musicale e ti suggerirà brani che ascoltano anche loro, anche se non li hai mai sentiti nominare. Il secondo filtro, quello dei contenuti, analizza le proprietà dell’oggetto stesso: genere, ritmo, tono, attori e parole chiave. Netflix, ad esempio, categorizza i film in migliaia di micro-generi, come “drammi italiani emozionanti degli anni ’90 con protagoniste femminili forti”.
Ma come fa il sistema a conoscere le tue preferenze se non esprimi un voto esplicito? Raccoglie “tracce digitali”: quanti secondi hai guardato il video, se hai mandato avanti veloce, se ti è piaciuto o, al contrario, se hai cambiato traccia dopo 10 secondi. Gli algoritmi di TikTok sono famosi per la loro capacità di catturare l’attenzione mostrandoti esattamente cosa suscita emozioni. Analizzano persino la velocità di scorrimento e se ti soffermi su un fotogramma. In Italia, dove i social media sono incredibilmente popolari, milioni di persone “addestrano” queste reti neurali ogni giorno senza nemmeno rendersene conto. E le aziende ne traggono vantaggio: più accurata è la raccomandazione, più a lungo l’utente rimane sulla piattaforma.
Il problema è che i sistemi di raccomandazione creano delle “bolle di filtraggio”. Se l’algoritmo rileva che l’utente preferisce determinate opinioni politiche o generi musicali, smette di mostrargli alternative. Col tempo, il suo mondo informativo si restringe in un feed omogeneo, senza spazio per la casualità. Questo è particolarmente evidente negli aggregatori di notizie italiani: chi legge un giornale non vedrà titoli di un altro schieramento. Agli algoritmi non interessa la crescita dell’utente; il loro obiettivo è massimizzare il tempo di coinvolgimento. Le ricerche dimostrano che le persone sono più propense a cliccare su titoli emotivi e provocatori, quindi il sistema inizia a proporli.
