Un team di programmatori e esperti di marketing mostra che i computer possono scrivere come gli esseri umani e rispondono perché è importante. Credito:foto del vino di Pier Demarten su Unsplash. Illustrazione di Richard Clark/Dartmouth College.
I sistemi di intelligenza artificiale possono essere addestrati per scrivere recensioni di prodotti simili a quelle umane che assistono consumatori, esperti di marketing e revisori professionisti, secondo uno studio del Dartmouth College, della Tuck School of Business di Dartmouth e dell'Università dell'Indiana.
La ricerca, pubblicata sull'International Journal of Research in Marketing , identifica anche le sfide etiche sollevate dall'uso dei contenuti generati dal computer.
"La scrittura di recensioni è una sfida per esseri umani e computer, in parte, a causa del numero schiacciante di prodotti distinti", ha affermato Keith Carlson, un ricercatore di dottorato presso la Tuck School of Business. "Volevamo vedere come l'intelligenza artificiale può essere utilizzata per aiutare le persone che producono e utilizzano queste recensioni."
Per la ricerca, il team di Dartmouth ha fissato due sfide. Il primo è stato determinare se una macchina può essere insegnata a scrivere recensioni originali e di qualità umana utilizzando solo un piccolo numero di caratteristiche del prodotto dopo essere stata addestrata su una serie di contenuti esistenti. In secondo luogo, il team ha deciso di vedere se gli algoritmi di apprendimento automatico possono essere utilizzati per scrivere sintesi di recensioni di prodotti per i quali esistono già molte recensioni.
"L'uso dell'intelligenza artificiale per scrivere e sintetizzare recensioni può creare efficienze su entrambi i lati del mercato", ha affermato Prasad Vana, assistente professore di amministrazione aziendale presso la Tuck School of Business. "La speranza è che l'IA possa avvantaggiare i revisori che devono affrontare carichi di lavoro di scrittura più grandi e i consumatori che devono ordinare così tanti contenuti sui prodotti."
I ricercatori si sono concentrati sulle recensioni di vino e birra a causa dell'ampia disponibilità di materiale per addestrare gli algoritmi del computer. Le revisioni di questi prodotti presentano anche vocabolari relativamente mirati, un vantaggio quando si lavora con i sistemi di intelligenza artificiale.
Per determinare se una macchina potrebbe scrivere recensioni utili da zero, i ricercatori hanno addestrato un algoritmo su circa 180.000 recensioni di vini esistenti. Per addestrare il sistema di apprendimento automatico sono stati utilizzati anche i tag di metadati per fattori quali l'origine del prodotto, il vitigno, la classificazione e il prezzo.
Confrontando le recensioni generate dalla macchina con le recensioni umane per gli stessi vini, il team di ricerca ha trovato un accordo tra le due versioni. I risultati sono rimasti coerenti anche se il team ha sfidato gli algoritmi modificando la quantità di dati di input disponibili per riferimento.
Il materiale scritto a macchina è stato quindi valutato da partecipanti allo studio non esperti per verificare se potevano determinare se le recensioni erano state scritte da esseri umani o da una macchina. Secondo il documento di ricerca, i partecipanti non sono stati in grado di distinguere tra le recensioni umane e generate dall'intelligenza artificiale con alcun significato statistico. Inoltre, la loro intenzione di acquistare un vino era simile tra le recensioni del vino generate dall'uomo rispetto a quelle generate dalla macchina.
Avendo scoperto che l'intelligenza artificiale può scrivere recensioni credibili sui vini, il team di ricerca si è rivolto alle recensioni sulla birra per determinare l'efficacia dell'utilizzo dell'IA per scrivere "sintesi di recensioni". Invece di essere addestrato a scrivere nuove recensioni, all'algoritmo è stato assegnato il compito di aggregare elementi dalle recensioni esistenti dello stesso prodotto. This tested AI's ability to identify and provide limited but relevant information about products based on a large volume of varying opinions.
A sample review written by A.I. Credit:Keith Carlson/Dartmouth College
"Writing an original review tests the computer's expressive ability based on a relatively narrow set of data. Writing a synthesis review is a related but distinct task where the system is expected to produce a review that captures some of the key ideas present in an existing set of reviews for a product," said Carlson, who conducted the research while a Ph.D. candidate in computer science at Dartmouth.
To test the algorithm's ability to write review syntheses, researchers trained it on 143,000 existing reviews of over 14,000 beers. As with the wine dataset, the text of each review was paired with metadata including the product name, alcohol content, style, and scores given by the original reviewers.
As with the wine reviews, the research used independent study participants to judge whether the machine-written summaries captured and summarized the opinions of numerous reviews in a useful, human-like manner.
According to the paper, the model was successful at taking the reviews of a product as input and generating a synthesis review for that product as output.
"Our modeling framework could be useful in any situation where detailed attributes of a product are available and a written summary of the product is required," said Vana. "It's interesting to imagine how this could benefit restaurants that cannot afford sommeliers or independent sellers on online platforms who may sell hundreds of products."
Both challenges used a deep learning neural net based on transformer architecture to ingest, process and output review language.
According to the research team, the computer systems are not intended to replace professional writers and marketers, but rather to assist them in their work. A machine-written review, for instance, could serve as a time-saving first draft of a review that a human reviewer could then revise.
The research can also help consumers. Syntheses reviews—like those on beer in the study—can be expanded to the constellation of products and services in online marketplaces to assist people who have limited time to read through many product reviews.
In addition to the benefits of machine-written reviews, the research team highlights some of the ethical challenges presented by using computer algorithms to influence human consumer behavior.
Noting that marketers could get better acceptance of machine-generated reviews by falsely attributing them to humans, the team advocates for transparency when computer-generated reviews are offered.
"As with other technology, we have to be cautious about how this advancement is used," said Carlson. "If used responsibly, AI-generated reviews can be both a productivity tool and can support the availability of useful consumer information."
