YouTube e i video estremi: il metodo dell'inchiesta di Sky TG24

YouTube tra AI e machine learning

Come per gli altri algoritmi di Google, anche quello di YouTube è per lo più segreto: non si conoscono quali sono i parametri precisi che determinano l’ordine dei risultati e dei video raccomandati. Negli ultimi anni, hanno iniziato ad emergere alcuni dettagli, sia grazie alle rivelazioni di ex-dipendenti (come Guillaume Chaslot: guarda l'intervista), che da parte di attuali responsabili di YouTube.

Uno degli articoli più dettagliati è stato pubblicato ad Agosto 2017 da The Verge e riporta diverse dichiarazioni di ingegneri di YouTube, tra cui Jim McFadden, responsabile tecnico per i video raccomandati. McFadden spiega che fino a pochi anni fa YouTube non riusciva a trattenere per molto tempo gli utenti all’interno del proprio sito. Poi nel 2015 hanno iniziato a sperimentare alcuni cambiamenti, dando priorità al tempo speso su ciascun video (invece che al numero di visualizzazioni ricevute). Ma la vera svolta è avvenuta quando ha iniziato a utilizzare alcune delle tecnologie sviluppate da Google Brain, la divisione di Big G specializzata in intelligenza artificiale. Gli algoritmi di Brain hanno permesso di raffinare sempre di più la funzionalità dei video raccomandati, ad esempio, proponendo video più brevi se si è connessi da smartphone e più lunghi se si è sull’app per la Tv. Nel corso del 2016 - riporta The Verge - sono state implementate 190 modifiche sull’algoritmo di YouTube e 300 erano previste per il 2017. Le tecnologie di deep learning hanno permesso agli algoritmi di apprendere molto più velocemente dalla cronologia di ciascun utente: prima erano necessari diversi giorni prima di riuscire a incorporare il comportamento di un utente nelle raccomandazioni future, “ora invece - raccontano gli ingegneri di YouTube - bastano pochi minuti o ore”.
I risultati dell’integrazione di Google Brain sono stati notevoli, secondo quanto riportato da The Verge: “Più del 70% del tempo speso a guardare video sul sito è generato dalle raccomandazioni algoritmiche. Ogni giorno, YouTube raccomanda 200 milioni di diversi video agli utenti, in 76 lingue. Il tempo aggregato speso sull’home page di YouTube è cresciuto 20 volte rispetto a 3 anni fa”. Questi dati si riferiscono al 2017, nel frattempo potrebbero essere ovviamente cresciuti.

I pregiudizi degli algoritmi

Per quanto vengano sempre presentati come neutri e obiettivi, in realtà gli algoritmi incorporano sempre il punto di vista e i valori di chi li ha sviluppati. Diverse ricerche indipendenti hanno sottolineato le potenziali conseguenze negative di questi “pregiudizi”. Dalle discriminazioni razziali a quelle di genere, passando per la promozione della violenza, ormai esiste una vasta letteratura sul tema. Gli algoritmi sono stati messi sotto accusa anche per la diffusione di notizie false sui social network come Facebook e Twitter, oltre che per spingere gli utenti a radicalizzarsi sempre di più, soprattutto in paesi con forti tensioni etniche (come la Birmania, lo Sri Lanka o le Filippine). “Automating Inequality” è il titolo di un saggio della studiosa Virginia Eubanks che documenta come l’utilizzo di strumenti di intelligenza artificiale stia creando profonde diseguaglianze sociali negli Stati Uniti.
Il recente piano d’azione dell’Unione Europea sull’intelligenza artificiale affronta questo tema chiedendo maggiori informazioni ai colossi del web sui criteri che stanno dietro ai loro algoritmi. Stessa richiesta è arrivata anche dal report finale del Gruppo degli High Level Expert sulle Fake News, in cui si chiede di “migliorare la trasparenza” su come vengono distribuite e amplificate le notizie online. Evidentemente queste richieste devono ancora essere incorporate all’interno degli algoritmi di Google, Facebook e gli altri social media.