Tecnología

Un algoritmo per i disordini di massa

Immagine: Iurii Osadchi / Shutterstock.com

È un classico da vecchio film: l’inseguito semina il suo inseguitore in una qualche folla anonima, solitamente in un mercato o in un ambiguo festival etnico. Rincuorato, sparisce nel mare di corpi e di facce, come un’onda si perde nel mare. L’inseguitore si aggira tra la folla, con le pistole non più pronte all’uso, dà un’occhiata sommaria intorno a sé e fa quell’umiliante chiamata alla base: l’ho perso.

Anche i computer hanno problemi con le folle. Gli individui si confondono tra loro quando sono circondati da una grande moltitudine di altri individui, prova del fatto che abbiamo in comune con gli altri uomini molto di più di quanto non pensiamo. Per come stanno le cose ora, se un qualche software di sorveglianza identificasse un certo individuo che si sta muovendo velocemente in una stazione con una bomba nella valigetta, o che sta cercando di fuggire dai poliziotti anti-sommossa, sarebbe molto difficile continuare a controllarlo tra gli altri individui. Di solito, dopo pochi secondi di riconoscimento, i correnti software perdono il proprio soggetto (o soggetti).

Videos by VICE

Questa è la questione che hanno affrontato i ricercatori del Consiglio Nazionale Spagnolo per la Ricerca (CSIC), come indicato in un nuovo studio pubblicato sulla rivista Nature Methods che descrive un software (già brevettato) che pare abbia vinto la sfida. Grazie all’uso di algoritmi appena scoperti, il team è stato in grado di seguire con successo i diversi membri di un gruppo osservato, riuscendo effettivamente a identificare ognuno di loro individualmente.

Se da una parte la sorveglianza è l’applicazione più ovvia (per molti o per la maggior parte di noi), i ricercatori erano più interessati nella nuova abilità scoperta di analisi e di classificazione delle interazioni tra i gruppi sociali tra le differenti specie animali. Ed è questo che il brevetto del loro strumento, chiamato idTracker, è in grado di fare. Sappiamo che molti animali prendono decisioni in base al comportamento di gruppo delle loro rispettive comunità, ma quali siano le regole di queste interazioni rimane ancora difficile da capire. Essere in grado di mettere una “etichetta” sui soggetti individuali con questo software, significa essere in grado di acquisire una grande quantità di dati su come questi membri interagiscono e, eventualmente, cosa possa prevedere queste interazioni (le regole, in poche parole).

“Da adesso in poi, saremo in grado di determinare quantitativamente le regole del comportamento animale nei gruppi tenendo in conto la singolarità di ogni animale,” ha detto Gonzalo G. de Polavieja, il ricercatore a capo dello studio.

Un sentimento diffuso di questi tempi può essere così riassunto: meno algoritmi, più intelligenza umana. Gli algoritmi sono diventati estremamente popolari in un breve lasso di tempo—senza una corrispondente formazione sull’argomento—e possiamo vederli prendere decisioni tutto intorno a noi, dai film che ci potrebbero piacere fino a quanto sia normale o sospetta la nostra attività bancaria. Ciò che si perde in questo concetto è che gli algoritmi, come quelli che potrebbero essere implementati nei software di sorveglianza, non stanno unicamente rimpiazzando gli esseri umani, ma stanno svolgendo compiti che gli uomini sono meno in grado di fare. Lo smistamento di una folla ne è l’esempio.

Il motivo è chiaro: controllare un soggetto in una folla non significa semplicemente identificare quello specifico individuo. Significa identificare ogni individuo o almeno una grande porzione di essi. Il software funziona prendendo nota dei membri di una folla o di una comunità che, in breve, se ne distaccano in relativa solitudine. Una volta che il soggetto è distante, viene creata un’ “impronta” digitale composta dalle sue caratteristiche distintive. Se sei in grado di collezionare abbastanza caratteristiche da un numero sufficiente di individui, la massa si trasformerà in una mappa di impronte. Il sistema visivo umano non è in grado di svolgere un’operazione simile.

“Nel breve termine, verrà usato a livello scientifico,” ha evidenziato il co-autore Alfonso Pérez Escudero in una dichiarazione,“ ma nel lungo termine il metodo che abbiamo sviluppato potrà essere utilizzato per riconoscere le persone nelle grandi folle, nei veicoli o all’interno di una fabbrica, per esempio.”

Thank for your puchase!
You have successfully purchased.