DALLA RUBRICA CAVALLI DI TROJAN PER L’INDICE DEI LIBRI DEL MESE
Dal numero dell’Indice dei Libri del Mese di aprile 2017
Quasi mezzo secolo è passato da quando Chomsky scriveva le prime tesi sulla grammatica generativa e. Gli anni ’60 del novecento hanno visto un rapido evolversi dei linguaggi, idiomatici ma anche matematici e informatici. La scienze dell’informazione e dell’automazione in quegli anni affondano le proprie radici, le stesse che avrebbero poi costituito la rivoluzione dell’industria 4.0 in auge oggi. Ma se a un ingegnere di Ford poteva sembrare tutto sommato verosimile che nel futuro prossimo una macchina avrebbe sostituito tutti i suoi operai; risulta certamente difficile immaginare che Giulio Einaudi preventivasse il fatto che in quello stesso futuro, certi robot sono impiegati ad avvitare bulloni altri robot leggono – e selezionano – manoscritti.
Si chiama “data driven publishing” (editoria guidata dallo studio di dati aggregati) ed è uno degli orizzonti spaventosi e inconsueti che si stagliano davanti all’incerto futuro dell’editoria. L’analisi sulle opere letterarie non è tuttavia cosa nuova: Carlo Gozzi nel settecento aveva, in seguito a un ampio studio, ricondotto il numero delle trame possibili a 36. Secondo Christopher Booker, autore di The Seven Basic Plot Structures le trame scendono a 7. Stando però a una recente ricerca basata su 50 mila testi, condotta dal professore Matthew Jockers, dell’Università Nebraska-Lincon, solo il 10% dei risultati rispetto alle trame analizzate lascia pensare a sette archetipi di trame. Il 90% dei risultati lascia evincere che le trame archetipali siano solo 6.
Il professore spiega dunque come, ammessa la razionalizzazione delle trame-archetipo, sia possibile sperimentare una vera e propria fenomenologia rispetto agli aspetti commerciali, sociologici e, ovviamente, editoriali di un best seller; rispetto ai suoi lettori di riferimento e al suo contesto storico culturale. Questo renderebbe quasi possibile la prevedibilità, dato un insieme di testi inediti, rispetto a quali possibili trame possano attecchire meglio o peggio su un dato pubblico in un certo contesto. Una start up tedesca, Inkitt, ha scommesso proprio su questo tipo di tecnologia e ha deciso di puntare tutto sull’automazione dello scouting letterario. Inkitt sostiene di aver fatto un’analisi comparata molto approfondita relativa a numerose trame di storici best seller. Questo studio ha prodotto dei dati che, in seguito a una comparazione con i testi più contemporanei, sarebbero in grado di essere razionalizzati in un algoritmo programmato con lo scopo di individuare e predire quale manoscritto abbia le carte in regola per diventare il prossimo best seller.
Fantascienza? No, si chiama machine learning. O rete neurale profonda artificiale, dir si voglia.
La scienza informatica è giunta a un livello per il quale non solo le macchine possono vantare una potenza di calcolo inenarrabile, ma riescono anche a creare delle connessioni complesse fra i vari dati immagazzinati, creando internamente ciò che noi umani chiamiamo “conoscenza”. Il machine learning è ciò che permette alle intelligenze artificiali di sviluppare una capacità di analisi e di logica, sempre più critiche. Sempre più umane. E a quanto pare alcune già leggono e analizzano trame. Come nel caso appunto di Inkitt che, intanto, il suo primo “best seller” lo pubblicherà con, in co-edizione con Tor Books. L’uscita del primo libro di narrativa selezionato da un algoritmo sarà una adult fiction firmata da un texano, Eric Swan, e la sua uscita è prevista per l’estate di quest’anno. Si intitola Bright Star. Si spera che lo legga anche qualche umano.