Machine Learning

Il machine learning (apprendimento automatico) è il ramo dell’intelligenza artificiale in cui un sistema ricava le proprie regole dai dati invece di riceverle scritte da qualcuno. Si addestra su esempi, ricava schemi, li applica a casi nuovi.

Nella ricerca ha cambiato la natura dell’oggetto di cui si parla. Non esiste “l’algoritmo di Google” da decifrare: esiste un insieme di sistemi appresi, che pesano segnali diversi in contesti diversi e che nessuno può ricostruire dall’esterno, nemmeno dentro Google nei termini di una formula. Da RankBrain nel 2015 in avanti la direzione è stata sempre quella.

La conseguenza pratica è che il lavoro cambia oggetto. Ottimizzare per una regola presunta non ha senso quando la regola è ricavata dal comportamento e viene riaggiustata in continuazione; ha senso lavorare su ciò che quei sistemi misurano – la corrispondenza fra una domanda e una risposta, la coerenza di un sito su un tema, i segnali che rendono una fonte verificabile (EEAT).

Vale anche il rovescio: un sistema appreso sbaglia in modi che una regola non produrrebbe, e i suoi errori vengono corretti con nuovo addestramento, non con una patch. È il motivo per cui le informazioni sbagliate su un’azienda, una volta sedimentate nei modelli, impiegano mesi a scomparire (brand reputation, reti neurali).