La Serendipità nei Sistemi di Raccomandazione Musicale

La comprensione del machine learning rivela che la sua essenza risiede nella replicazione di schemi presenti all'interno di enormi set di dati. Questo processo, sebbene possa apparire innovativo, tende invece a riprodurre ciò che già esiste. Un punto cruciale nella storia degli algoritmi è rappresentato dai sistemi di raccomandazione, nati tra la fine degli anni '90 e l'inizio del 2000, in particolare nell'ambito dell'e-commerce e nei servizi musicali. Qui si pone il problema della serendipità: l'elemento di sorpresa e scoperta che caratterizza l'esperienza d'ascolto nel mondo reale. Mentre nei negozi di dischi si poteva scoprire un vinile inaspettato, nei sistemi digitali, come le playlist di Spotify, la proposta si limita spesso a ciò che già conosciamo. In questo contesto, l'implementazione di brani randomici nelle raccomandazioni serve a tentare di replicare quell'imprevedibilità e quella scoperta che arricchiscono l'esperienza musicale. Una riflessione stimolante sulla dinamica tra algoritmi e scelte umane, estratta dal volume Machine habitus. Sociologia degli algoritmi, di Massimo Airoldi.