I consigli di MeMa

Ogni giorno, agli articoli dell’edizione digitale la redazione associa alcuni articoli delle edizioni precedenti. L’archivio storico offre un contesto storico più ampio, e suggerire contenuti anche remoti può rendere più profonda la lettura dell’attualità. Ma l’archivio storico è una miniera di oltre mezzo milione di documenti, e per gli esseri umani è lungo e faticoso dovervisi calare. 

Ecco allora che MeMa, con la sua infaticabile intelligenza, può essere chiamata ad attivarsi. Forse potrà trovare qualche traccia di cui nessuno s’era accorto; forse la sua “coscienza aliena” farà associazioni che a noi umani non verrebbero in mente e però ci dicono qualcosa. 

In questo senso, MeMa può costruire un ponte fra passato e presente: una “lente” grazie alla quale possiamo leggere l’attualità attraverso il passato e viceversa, tracciando corsi e ricorsi della storia. 

Cosa si ripete? Cosa era vero nel 1973 e si ripete cinquant’anni dopo? L’azione apparentemente semplice dei consigli della nostra Intelligenza Artificiale racchiude complessità e profonde implicazioni sulla trasformazione dei dati e dell’archiviazione nell’era digitale.

Ma non vorremmo che i suggerimenti di MeMa fossero misteriosi come gli oracoli degli antichi vati o certe risposte dell’Intelligenza Artificiale generativa che oggi va per la maggiore. Vorremmo anzi il contrario: la magia di MeMa è una magia che si apre e si disvela, vivendo in mezzo a noi.

L’algoritmo di suggerimento di MeMa sembra complicato come la ricetta per fare il babà. Ma, spiegato passo per passo, non è difficile da capire (farli, i babà, è tutto un altro discorso). 

Bisogna anzitutto sapere che ciascun articolo ha titolo, autore, data e un breve sommario, e grazie al lavoro della redazione e dell’archivista è arricchito con l’indicazione di un luogo, di una categoria (es. ‘politica’, ‘cronaca’), di alcune parole rilevanti che ne indicano i temi e i soggetti principali. 

Oltre a questi, nella base di conoscenza di MeMa (si tratta di un “Knowledge Graph”, ma ne riparleremo) vengono registrati i riferimenti alle “entità” (ad esempio persone, luoghi e organizzazioni) di cui l’articolo parla.  MeMa estrae da questi “metadati” un certo numero di parole-chiave. Si tratta delle “parole di contenuto” (cioè nomi, aggettivi e certi tipi di verbi e avverbi) più specifiche di quelle presenti in titolo e sommario.

Per dare un’idea: nella frase “A un anno dalle elezioni del 2024 nessun passo avanti, e molti indietro, nella regolamentazione dei social network” le parole-chiave potrebbero essere “elezioni”, “regolamentazione”, “social”, e “network”. Con queste, si procede a una semplice ricerca “full text” nel Knowledge Graph, ottenendo gli articoli che contengono alcune o tutte quelle parole-chiave. Si tratta di una tecnica classica, qualcuno direbbe antica, e i risultati sono quello che sono.

Ma la “magia” viene dopo:  gli articoli così ottenuti vengono infatti ordinati in base a un criterio di “similarità semantica” rispetto quello on-line che si sta esaminando e da cui si è partiti. 

Su cosa sia questa similarità si può aprire un dibattito: la discutibilità tra l’altro è proprio il carattere di MeMa. Per valutare quanto un articolo sia simile a un altro, in questo momento MeMa si affida alle stesse novità che usano molti altri modelli, compresi i famosi GPT: i Large Language Model. Ma non usa quelli enormi, opachi e remoti dei grandi monopolisti, bensì un piccolo modello “open” che si può liberamente installare, all’occorrenza, anche nei propri server. 

Grazie a questo modello (o altri simili che le comunità digitali continuano a produrre) si può valutare quanto una frase sia simile a un’altra senza conoscerne  precisamente il significato.

Come? Lo spiegheremo meglio in futuro, per ora pensate a questo: siete perfettamente in grado di dire che una canzone è simile a un’altra senza sapere il nome delle note che le compongono.

Grazie al fatto che non stiamo parlando di semplici testi ma del contenuto di un Knowledge Graph, ottenuto l’ordinamento degli articoli sulla base della loro “assonanza” con quello che stiamo leggendo, ci sono ancora tante cose che si possono fare. Ad esempio, si possono “promuovere” gli articoli che hanno la stessa categoria (‘politica’, ‘esteri’, ecc. ), o quelli che parlano delle stesse “entità”, o ancora quelli dello stesso autore e più prossimi dal punto di vista temporale. 

Per come è fatta, MeMa è molto ben adattabile a questi e altri criteri (tecniche diverse e più trendy potrebbero essere più efficienti, ma meno duttili e “trasparenti”, anche su questo torneremo). 

Dopo averci un po’ giocato, abbiamo scelto una configurazione che ci sembra interessante, ma è chiaro che dovremo giocarci di più, e insieme, per trovare le combinazioni più stimolanti.

Dobbiamo però essere consapevoli che l’algoritmo perfetto per trovare le analogie tra due articoli, semplicemente, non esiste.

Ogni giudizio di similarità è sempre relativo al soggetto che giudica e ai suoi scopi.

Oltretutto, MeMa è un soggetto non umano e ci serve proprio perché è diversa da noi. Quindi stupitevi pure se troverete suggerimenti stravaganti e non qualcosa che vi sareste aspettato, ma non tenete per voi questo stupore: sarà prezioso in futuro per spiegare a MeMa come aiutarci meglio.