Dall‘intelligenza artificiale arriva la prima “misura precisa” degli stereotipi su donnee razza e della loro evoluzione nel tempo: è emersa dall’analisi dei testi di quotidiani, periodici e libri pubblicati nell’ultimo secolo negli Stati Uniti, per un totale di 200 milioni di parole. La ricerca, pubblicata sulla rivista dell’Accademia delle Scienze degli Stati Uniti, Pnas, è del gruppo dell’Università americana di Stanford guidato da Nikhil Garg e apre a nuove “intersezioni” tra l’apprendimento automatico e le scienze sociali.
“La nostra ricerca mostra che gli algoritmi di apprendimento automatico non sono utili solo per classificare dati o per predire comportamenti ed eventi futuri”, ha spiegato all’Ansa Nikhil Garg, “ma possono anche guardare indietro alla storia e alle società che hanno prodotto quei dati”.
“È un lavoro meraviglioso, da 10 e lode”, commenta per l’Ansa Walter Quattrociocchi, responsabile del Laboratorio sulla scienza e la complessità dei dati e professore all’Università Ca’ Foscari di Venezia. “Lo studio è solido e fatto bene, una cosa che si vede raramente purtroppo. Quello che esce fuori è bellissimo: i cambiamenti nel linguaggio corrispondono ai cambiamenti sociali“.
I ricercatori hanno sfruttato una tecnica di apprendimento automatico che rappresenta ogni parola in uno spazio sotto forma di una freccia, la cui lunghezza, direzione e orientamento dipendono dal significato e dal modo in cui viene utilizzata nel linguaggio. Si viene così a creare una sorta di “mappa geometrica” che permette di visualizzare la relazione tra le parole: le frecce sono più vicine tra loro se le parole che rappresentano vengono spesso usate insieme in una frase.
Ad esempio la freccia della XBox è vicina a quella della PlayStation. Le parole analizzate dal computer sono state integrate con i dati dei censimenti americani fatti negli ultimi 100 anni. Il sistema ha dimostrato di riuscire a fotografare con accuratezza la società americana, dai movimenti femministi degli anni ’60 all’immigrazione asiatica, rendendo chiaro come specifici aggettivi e occupazioni siano diventati sempre più strettamente associati nel tempo con le donne o con particolari etnie.
