La complessa matematica dei controfattuali potrebbe aiutare Spotify a scegliere la tua prossima canzone preferita

Un nuovo tipo di modello di apprendimento automatico è destinato a migliorare il processo decisionale automatizzato nei settori della finanza, dell’assistenza sanitaria, del targeting degli annunci e altro ancora.

Un nuovo tipo di modello di apprendimento automatico costruito da un team di ricercatori della società di streaming musicale Spotify cattura per la prima volta la complessa matematica dietro l’analisi controfattuale, una tecnica precisa che può essere utilizzata per identificare le cause di eventi passati e prevedere il futuro. effetti di quelli futuri.

Il modello, descritto all’inizio di quest’anno sulla rivista scientifica Nature Machine Intelligence, potrebbe migliorare l’accuratezza del processo decisionale automatizzato, in particolare delle raccomandazioni personalizzate, in una gamma di applicazioni dalla finanza all’assistenza sanitaria.

L’idea alla base dei controfattuali è chiedersi cosa sarebbe successo in una situazione se certe cose fossero state diverse. È come riavvolgere il mondo, cambiare alcuni dettagli cruciali e poi premere play per vedere cosa succede. Modificando le cose giuste, è possibile separare la vera causalità dalla correlazione e dalla coincidenza.

"Comprendere causa ed effetto è estremamente importante per il processo decisionale", afferma Ciaran Gilligan-Lee, leader del Causal Inference Research Lab di Spotify, che ha co-sviluppato il modello. "Vuoi capire quale impatto avrà sul futuro una scelta che fai adesso."

Nel caso di Spotify, ciò potrebbe significare scegliere quali canzoni mostrarti o quando gli artisti dovrebbero pubblicare un nuovo album. Spotify non utilizza ancora i controfattuali, afferma Gilligan-Lee. "Ma potrebbero aiutare a rispondere alle domande con cui abbiamo a che fare ogni giorno."

I controfattuali sono intuitivi. Le persone spesso danno un senso al mondo immaginando come sarebbero andate le cose se fosse successo questo invece di quello. Ma sono mostruosi messi in matematica.

"I controfattuali sono oggetti statistici dall'aspetto molto strano", afferma Gilligan-Lee. "Sono cose strane da considerare. Stai chiedendo la probabilità che qualcosa accada dato che non è accaduto."

Gilligan-Lee e i suoi coautori hanno iniziato a lavorare insieme dopo aver letto il lavoro di ciascuno in un articolo del MIT Technology Review. Hanno basato il loro modello su un quadro teorico per i controfattuali chiamati reti gemelle.

Le reti gemelle furono inventate negli anni '90 dagli scienziati informatici Andrew Balke e Judea Pearl. Nel 2011, Pearl ha vinto il Turing Award, il premio Nobel per l'informatica, per il suo lavoro sul ragionamento causale e sull'intelligenza artificiale.

Pearl e Balke hanno utilizzato reti gemelle per elaborare una manciata di semplici esempi, afferma Gilligan-Lee. Ma applicare manualmente la struttura matematica a casi reali più ampi e complicati è difficile.

È qui che entra in gioco l'apprendimento automatico. Le reti gemelle trattano i controfattuali come una coppia di modelli probabilistici: uno che rappresenta il mondo reale, l'altro che rappresenta quello immaginario. I modelli sono collegati in modo tale che il modello del mondo reale vincola il modello di quello immaginario, mantenendolo identico in tutto tranne che per i fatti che si desidera modificare.

Gilligan-Lee e i suoi colleghi hanno utilizzato la struttura delle reti gemelle come modello per una rete neurale e poi l’hanno addestrata a fare previsioni su come si sarebbero svolti gli eventi nel mondo immaginario. Il risultato è un programma per computer di uso generale per eseguire ragionamenti controfattuali. "Ti consente di rispondere a qualsiasi domanda controfattuale su uno scenario desiderato", afferma Gilligan-Lee.

Il team di Spotify ha testato il proprio modello utilizzando diversi casi di studio reali, tra cui uno sull’approvazione del credito in Germania, uno su uno studio clinico internazionale per farmaci per l’ictus e un altro sulla sicurezza della fornitura idrica in Kenya.

Nel 2020 i ricercatori hanno studiato se l’installazione di tubi e contenitori di cemento per proteggere le sorgenti dalla contaminazione batterica in una regione del Kenya ridurrebbe i livelli di diarrea infantile. Hanno riscontrato un effetto positivo. Ma bisogna essere sicuri di cosa lo abbia causato, dice Gilligan-Lee. Prima di installare muri di cemento attorno ai pozzi in tutto il paese, è necessario essere sicuri che il calo delle malattie sia stato effettivamente causato da quell’intervento e non da un suo effetto collaterale.