Il mondo è un luogo interconnesso, letteralmente e figurativamente. Il campo della scienza delle reti viene utilizzato oggi per comprendere fenomeni diversi come la diffusione della disinformazione, il commercio dell'Africa occidentale e le interazioni proteina-proteina nelle cellule.

La scienza delle reti ha scoperto diverse proprietà universali di reti sociali complesse, che a loro volta hanno reso possibile l'apprendimento dei dettagli di reti particolari. Ad esempio, la rete costituita dallo schema di corruzione finanziaria internazionale scoperto dall'indagine sui Panama Papers ha un'insolita mancanza di collegamenti tra le sue parti.

Ma la comprensione delle strutture nascoste degli elementi chiave dei social network, come i sottogruppi, è rimasta sfuggente. I miei colleghi ed io abbiamo trovato due schemi complessi in queste reti che possono aiutare i ricercatori a comprendere meglio le gerarchie e le dinamiche di questi elementi. Abbiamo trovato un modo per rilevare potenti "circoli ristretti" nelle grandi organizzazioni semplicemente studiando le reti che mappano le e-mail inviate tra i dipendenti.

Abbiamo dimostrato l'utilità dei nostri metodi applicandoli alla famosa rete Enron. La Enron era una società di commercio di energia che perpetrava frodi su vasta scala. Il nostro studio ha inoltre dimostrato che il metodo può essere potenzialmente utilizzato per rilevare le persone che esercitano un enorme potere soft in un'organizzazione indipendentemente dal loro titolo o posizione ufficiale. Questo potrebbe essere utile per la ricerca storica, sociologica ed economica, nonché per indagini governative, legali e sui media.

Da carta e matita all'intelligenza artificiale

I sociologi costruiscono e studiano social network più piccoli in accurati esperimenti sul campo da almeno 80 anni, ben prima dell'avvento di Internet e dei social network online. Il concetto è così semplice che può essere disegnato su carta:le entità di interesse - persone, aziende, paesi - sono nodi rappresentati come punti e le relazioni tra coppie di nodi sono collegamenti rappresentati come linee tracciate tra i punti.

L'uso della scienza delle reti per studiare le società umane e altri sistemi complessi ha assunto un nuovo significato alla fine degli anni '90, quando i ricercatori hanno scoperto alcune proprietà universali delle reti. Da allora alcune di queste proprietà universali sono entrate nella cultura pop tradizionale. Un concetto è il Six Degrees di Kevin Bacon, basato sulla famosa scoperta empirica che due persone qualsiasi sulla Terra sono sei o meno legami di distanza. Allo stesso modo, in alcune reti sono state replicate anche versioni di affermazioni come "i ricchi diventano più ricchi" e "il vincitore prende tutto".

Queste proprietà globali, vale a dire quelle che si applicano all'intera rete, sembrano emergere dalle azioni miopi e locali di nodi indipendenti. Quando mi collego con qualcuno su LinkedIn, non penso certo alle conseguenze globali della mia connessione sulla rete LinkedIn. Eppure le mie azioni, insieme a quelle di molti altri, alla fine portano a risultati prevedibili, piuttosto che casuali, su come si evolverà la rete.

I miei colleghi ed io abbiamo utilizzato la scienza delle reti per studiare la tratta di esseri umani nel Regno Unito, la struttura del rumore nei risultati dei sistemi di intelligenza artificiale e la corruzione finanziaria nei Panama Papers.

I gruppi hanno una propria struttura

Oltre a studiare proprietà emergenti come i Sei gradi di Kevin Bacon, i ricercatori hanno anche utilizzato la scienza delle reti per concentrarsi su problemi come il rilevamento della comunità. Detto semplicemente, un insieme di regole, altrimenti noto come algoritmo, può scoprire automaticamente gruppi o comunità all'interno di un insieme di persone?

Oggi ci sono centinaia, se non migliaia, di algoritmi di rilevamento della comunità, alcuni basati su metodi avanzati di intelligenza artificiale. Sono utilizzati per molti scopi, inclusa la ricerca di comunità di interesse e la scoperta di gruppi dannosi sui social media. Tali algoritmi codificano ipotesi intuitive, come l'aspettativa che i nodi appartenenti allo stesso gruppo siano più densamente collegati tra loro rispetto ai nodi appartenenti a gruppi diversi.

Sebbene sia un'interessante linea di lavoro, il rilevamento della comunità non studia la struttura interna delle comunità. Le comunità dovrebbero essere pensate solo come raccolte di nodi nelle reti? E che dire delle comunità piccole ma particolarmente influenti, come le cerchie ristrette e la folla?

Due ipotetiche strutture per gruppi influenti

In un certo senso, probabilmente hai già un'idea della struttura di gruppi molto piccoli nei social network. La verità dell'adagio che "un amico del mio amico è anche mio amico" può essere verificata statisticamente nelle reti di amicizia contando il numero di triangoli nella rete e determinando se questo numero è superiore a quanto il caso potrebbe spiegare da solo. E in effetti, molti studi sui social network sono stati utilizzati per verificare l'affermazione.

Sfortunatamente, il concetto inizia a sgretolarsi quando viene esteso a gruppi con più di tre membri. Sebbene i motivi siano stati ben studiati sia nell'informatica algoritmica che nella biologia, non sono stati collegati in modo affidabile a gruppi influenti nelle reti di comunicazione reali.

Basandosi su questa tradizione, io e la mia studentessa di dottorato Ke Shen abbiamo trovato e presentato due strutture che sembrano elaborate ma che si rivelano abbastanza comuni nelle reti reali.

La prima struttura estende il triangolo, non aggiungendo più nodi, ma aggiungendo direttamente triangoli. Nello specifico, c'è un triangolo centrale che è affiancato da altri triangoli periferici. È importante sottolineare che la terza persona in qualsiasi triangolo periferico non deve essere collegata alla terza persona sul triangolo centrale, escludendola così dal vero cerchio interno di influenza.

La seconda struttura è simile ma presuppone che non ci sia un triangolo centrale e che il cerchio interno sia solo una coppia di nodi. Un esempio reale potrebbero essere due co-fondatori di una startup come Sergey Brin e Larry Page di Google, o una coppia di potere con interessi comuni, comune nella politica globale, come Bill e Hillary Clinton.

Capire i gruppi influenti in una rete famigerata

Abbiamo testato la nostra ipotesi sulla rete e-mail Enron, che è ben studiata nella scienza delle reti, con nodi che rappresentano indirizzi e-mail e collegamenti che rappresentano la comunicazione tra quegli indirizzi. Nonostante fossero elaborate, non solo le nostre strutture proposte erano presenti nella rete in numero maggiore di quanto il caso avrebbe previsto, ma un'analisi qualitativa ha mostrato che c'è del merito nell'affermazione che rappresentano gruppi influenti.

I personaggi principali della saga Enron sono ormai ben documentati. È interessante notare che alcuni di questi personaggi non sembrano aver avuto molta influenza ufficiale, ma potrebbero aver esercitato un potere soft significativo. Un esempio è Sherri Reinartz-Sera, che è stata l'assistente amministrativa di lunga data di Jeffrey K. Skilling, l'ex amministratore delegato della Enron. A differenza di Skilling, Sera è stata menzionata solo in un articolo del New York Times a seguito di rapporti investigativi avvenuti nel corso dello scandalo. Tuttavia, il nostro algoritmo ha scoperto un gruppo influente con Sera che occupa una posizione centrale.

Dissezione della dinamica del potere

La società ha strutture intricate a livello di individui, amicizie e comunità. Gli in-crowd non sono solo gruppi disordinati di personaggi che parlano tra loro, o un singolo capobanda che chiama tutti i colpi. Molti gruppi interni o influenti hanno una struttura sofisticata.

Anche se resta ancora molto da scoprire su tali gruppi e sulla loro influenza, la scienza delle reti può aiutare a scoprirne la complessità. + Esplora ulteriormente

L'ossitocina diffonde la cooperazione nei social network

Questo articolo è stato ripubblicato da The Conversation con licenza Creative Commons. Leggi l'articolo originale.