{"id":129,"date":"2023-11-30T17:18:41","date_gmt":"2023-11-30T17:18:41","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/chapter\/ai-speak-how-youtube-learns-you-part-1\/"},"modified":"2024-01-31T11:38:46","modified_gmt":"2024-01-31T11:38:46","slug":"ai-speak-how-youtube-learns-you-part-1","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/chapter\/ai-speak-how-youtube-learns-you-part-1\/","title":{"raw":"Parlare di IA : Come Youtube vi studia Parte 1","rendered":"Parlare di IA : Come Youtube vi studia Parte 1"},"content":{"raw":"

Modelli e raccomandazioni<\/h3>\n
\n

ATTIVIT\u00c0<\/strong><\/p>\n\n<\/header>\n

\n\n\"\"\n

Queste sono le transazioni con carta di credito di due persone che vivono a Nantes. Stanno cercando qualcosa da provare nel fine settimana. Cosa consigliereste a John Doe e cosa a Tom Harris?<\/p>\n

Elenco da cui scegliere:<\/p>\n\n

    \n \t
  1. Il nuovo punto vendita Burger King<\/li>\n \t
  2. Un evento di degustazione di olio d'oliva<\/li>\n \t
  3. Un negozio di bagagli online<\/li>\n \t
  4. Un concerto sul fiume<\/li>\n \t
  5. Corso di nuoto per bambini<\/li>\n<\/ol>\n<\/div>\n<\/div>\n

    I sistemi di raccomandazione esistono almeno da quando esistono le guide turistiche e le top ten. Sebbene il Guardian Best Books del 2022<\/em> raccomandi a tutti la stessa lista, probabilmente la adattereste quando scegliete per voi stessi: sceglietene alcuni e cambiate l'ordine di lettura in base alle vostre preferenze personali.<\/p>\n

    Come consigliare le opzioni per gli sconosciuti? Nell'attivit\u00e0 precedente, probabilmente avete cercato di immaginare la loro personalit\u00e0 in base alle informazioni fornite: avete espresso giudizi e applicato stereotipi. Poi, una volta che vi siete fatti un'idea del loro tipo<\/em>, avete scelto dall'elenco le cose che potevano (o meno) essere rilevanti per loro. I raccomandatori come Amazon, Netflix e Youtube seguono un processo simile.<\/p>\n

    Al giorno d'oggi, ogni volta che qualcuno cerca informazioni o cerca di scoprire contenuti online, utilizza una sorta di sistema di raccomandazione personalizzato1,2<\/sup>. La funzione principale di Youtube \u00e8 quella di indicare ai suoi utenti cosa guardare tra tutti i video disponibili sulla piattaforma. Per gli utenti registrati, utilizza le loro attivit\u00e0 passate per creare un \"modello\", ovvero un tipo di personalit\u00e0. Una volta che ha un modello per John, pu\u00f2 vedere chi altro ha modelli simili a lui. A questo punto raccomanda a John sia i video simili a quelli che ha guardato sia quelli simili a quelli che hanno guardato altri utenti come lui.<\/p>\n\n

    Che cos'\u00e8 un modello?<\/h3>\n

    I modelli possono essere utilizzati per imitare qualsiasi cosa, dagli utenti ai video alle lezioni che un bambino deve imparare. Un modello \u00e8 una rappresentazione semplificata del mondo in modo che una macchina possa fingere di capirlo:<\/p>\nhttps:\/\/www.youtube.com\/watch?v=WjUjKbSUgE4&list=PLkm8ZqYSzE3cAymh6B9HHNoQluFEDQXkq&index=11&pp=iAQB\n

    Come ti \"youtubo\" (How Youtube you)<\/h3>\n

    Tutti i problemi di raccomandazione comportano una domanda surrogata: \"Cosa raccomandare<\/em>\" \u00e8 un po' troppo generale e vaga per un algoritmo. Netflix ha chiesto agli sviluppatori<\/a> quale sarebbe la valutazione che un utente A darebbe al video B, in base alle sue valutazioni per altri video. Youtube chiede quale sarebbe il tempo di visione di un determinato utente in un particolare contesto. La scelta di cosa chiedere e cosa prevedere ha un grande impatto sulla raccomandazione che viene mostrata3<\/sup>. L'idea \u00e8 che la previsione corretta porti a una buona raccomandazione. La previsione stessa si basa su altri utenti con una storia di gusti simili4<\/sup>. Ovvero, utenti i cui modelli sono simili.<\/p>\n\n

    Modelli di utente<\/h3>\n

    Youtube divide il compito della raccomandazione in due parti e utilizza modelli diversi per ciascuna di esse3<\/sup>. In questa sede, tuttavia, ci atterremo a una spiegazione pi\u00f9 semplice.<\/p>\n

    Per creare un modello utente, gli sviluppatori devono chiedersi quali dati siano rilevanti per la raccomandazione di video. Che dire di ci\u00f2 che l'utente ha guardato in precedenza? Quali sono state le sue recensioni, valutazioni e preferenze esplicite fino a quel momento? Cosa hanno cercato? E oltre a questi segnali espliciti, Youtube utilizza maggiormente quelli impliciti, che sono pi\u00f9 facilmente disponibili3<\/sup>. - Un utente ha semplicemente cliccato su un video o lo ha effettivamente guardato? Se s\u00ec, per quanto tempo? Come ha reagito l'utente alle raccomandazioni precedenti1<\/sup>? Quali ha ignorato? Oltre alle risposte a queste domande, le informazioni demografiche come il sesso, la lingua, la regione e il dispositivo sono di grande valore quando l'utente \u00e8 nuovo o non \u00e8 registrato3<\/sup>.<\/p>\n

    Una volta disponibile un modello per ogni utente, potremmo vedere quali utenti sono simili tra loro e utilizzare queste informazioni per la raccomandazione.<\/p>\n\n

    Modelli video<\/h3>\n

    Analogamente agli utenti, potremmo anche utilizzare i video che sono simili (o diversi) tra loro. Dato un video, Youtube ne esamina il contenuto, il titolo e la descrizione, la qualit\u00e0 del video, il numero di persone che lo hanno guardato (conteggio delle visualizzazioni), che lo hanno apprezzato, che lo hanno favorito, che lo hanno commentato o condiviso, il tempo trascorso dal suo caricamento e il numero di utenti iscritti al canale madre1<\/sup>.<\/p>\nhttps:\/\/www.youtube.com\/watch?v=lLjPCEdnElw&list=PLkm8ZqYSzE3cAymh6B9HHNoQluFEDQXkq&index=12&pp=iAQB\n

    Ci\u00f2 che un utente guarder\u00e0 in seguito dipender\u00e0 anche dal fatto che un video faccia parte di un episodio di una serie o di un elemento di una playlist. Se un utente sta scoprendo un artista, potrebbe passare dalle canzoni pi\u00f9 popolari a quelle di nicchia. Inoltre, un utente non cliccher\u00e0 su un video la cui immagine di anteprima non \u00e8 buona1,3<\/sup>. Tutte queste informazioni vengono inserite anche nel modello.<\/p>\n

    Uno degli elementi costitutivi del sistema di raccomandazione consiste nel passare da un video a un elenco di video correlati. In questo contesto, definiamo video correlati quelli che un utente probabilmente guarder\u00e0 successivamente3<\/sup>. L'obiettivo \u00e8 quello di estrarre il massimo valore dai dati per formulare raccomandazioni migliori4<\/sup>.<\/p>\n\n\n

    \n

    1 <\/sup>Davidson, J., Liebald, B., Liu, J., Nandy, P., Vleet, T., The Youtube Video Recommendation System<\/em>, Proceedings of the 4th ACM Conference on Recommender Systems, Barcelona, 2010.<\/p>\n

    2 <\/sup>Spinelli, L., and Crovella, M., How YouTube Leads Privacy-Seeking Users Away from Reliable Information<\/a><\/em>, In Adjunct Publication of the 28th ACM Conference on User Modeling, Adaptation and Personalization (UMAP '20 Adjunct), Association for Computing Machinery, New York, 244\u2013251, 2020.<\/p>\n

    3 <\/sup> Covington, P., Adams, J., Sargin, E., Deep neural networks for Youtube Recommendations<\/em>, Proceedings of the 10th ACM Conference on Recommender Systems, ACM, New York, 2016.<\/p>\n

    4 <\/sup>Konstan, J., Terveen, L., Human-centered recommender systems: Origins, advances, challenges, and opportunities<\/em>, AI Magazine, 42(3), 31-42, 2021.<\/p>","rendered":"

    Modelli e raccomandazioni<\/h3>\n
    \n
    \n

    ATTIVIT\u00c0<\/strong><\/p>\n<\/header>\n

    \n

    \"\"<\/p>\n

    Queste sono le transazioni con carta di credito di due persone che vivono a Nantes. Stanno cercando qualcosa da provare nel fine settimana. Cosa consigliereste a John Doe e cosa a Tom Harris?<\/p>\n

    Elenco da cui scegliere:<\/p>\n

      \n
    1. Il nuovo punto vendita Burger King<\/li>\n
    2. Un evento di degustazione di olio d’oliva<\/li>\n
    3. Un negozio di bagagli online<\/li>\n
    4. Un concerto sul fiume<\/li>\n
    5. Corso di nuoto per bambini<\/li>\n<\/ol>\n<\/div>\n<\/div>\n

      I sistemi di raccomandazione esistono almeno da quando esistono le guide turistiche e le top ten. Sebbene il Guardian Best Books del 2022<\/em> raccomandi a tutti la stessa lista, probabilmente la adattereste quando scegliete per voi stessi: sceglietene alcuni e cambiate l’ordine di lettura in base alle vostre preferenze personali.<\/p>\n

      Come consigliare le opzioni per gli sconosciuti? Nell’attivit\u00e0 precedente, probabilmente avete cercato di immaginare la loro personalit\u00e0 in base alle informazioni fornite: avete espresso giudizi e applicato stereotipi. Poi, una volta che vi siete fatti un’idea del loro tipo<\/em>, avete scelto dall’elenco le cose che potevano (o meno) essere rilevanti per loro. I raccomandatori come Amazon, Netflix e Youtube seguono un processo simile.<\/p>\n

      Al giorno d’oggi, ogni volta che qualcuno cerca informazioni o cerca di scoprire contenuti online, utilizza una sorta di sistema di raccomandazione personalizzato1,2<\/sup>. La funzione principale di Youtube \u00e8 quella di indicare ai suoi utenti cosa guardare tra tutti i video disponibili sulla piattaforma. Per gli utenti registrati, utilizza le loro attivit\u00e0 passate per creare un “modello”, ovvero un tipo di personalit\u00e0. Una volta che ha un modello per John, pu\u00f2 vedere chi altro ha modelli simili a lui. A questo punto raccomanda a John sia i video simili a quelli che ha guardato sia quelli simili a quelli che hanno guardato altri utenti come lui.<\/p>\n

      Che cos’\u00e8 un modello?<\/h3>\n

      I modelli possono essere utilizzati per imitare qualsiasi cosa, dagli utenti ai video alle lezioni che un bambino deve imparare. Un modello \u00e8 una rappresentazione semplificata del mondo in modo che una macchina possa fingere di capirlo:<\/p>\n