Ecommerce, siti, schede prodotto, app: l’efficienza della classificazione dei contenuti digitali è oggi una leva strategica per la competitività delle aziende. Da questa dipende infatti non solo la qualità della ricerca da parte degli utenti, ma anche la disponibilità di informazioni per creare insight, attraverso delle analytics, e migliorare così la customer experience.
Con questo obiettivo, la software company Thron e l’Università di Padova stanno realizzando un progetto di ricerca per una tesi magistrale sull’Intelligenza Artificiale e il Machine Learning che porterà alla realizzazione di un sistema evoluto per la classificazione automatica delle immagini.
Quello che sta nascendo è un ‘cervello artificiale’ che, attraverso un complesso sistema matematico, impara da solo a riconoscere in un’immagine digitale, oltre al prodotto raffigurato, anche la marca, il modello e le sue caratteristiche specifiche. In questo modo, il tool permetterà alle aziende di ridurre i tempi e i costi delle attività di classificazione e migliorare la qualità degli archivi digitali, categorizzando i contenuti con più facilità e ottenendo maggiori informazioni grazie all’arricchimento delle tag dei prodotti. I risultati in fase di test sono promettenti: la soluzione raggiunge un’accuratezza superiore al 90%, con un tempo totale per analizzare l’immagine e individuare il prodotto inferiore a 1 secondo.
A fare da banco di prova è la piattaforma di Digital Asset Management sviluppata da Thron per la gestione centralizzata e la distribuzione dei contenuti digitali. Un valore aggiunto al progetto è dato dalla disponibilità di due aziende – Selle Royal Group e Furla – che già utilizzano il software e hanno permesso ai ricercatori di operare direttamente sui loro dati: questo ha consentito di sperimentare il sistema non su casi generici o teorici, ma su contenuti reali ed esistenti, orientando la ricerca anche nell’ottica della soddisfazione degli utenti.
In particolare, il sistema in fase di sperimentazione sarà in grado di individuare e taggare i prodotti presenti in un’immagine o in un video a partire dalle loro caratteristiche specifiche, nel contesto di utilizzo dell’utente e con il linguaggio del brand. Per farlo, i ricercatori stanno sviluppando una rete neurale che, sulla scorta delle reti neurali biologiche, apprende in maniera automatica dai dati e aumenta così la sua capacità di identificazione di un contenuto digitale. In altre parole, mentre i motori tradizionali si limitano a riconoscere la categoria generale a cui appartiene l’oggetto di un’immagine (ad esempio, un’automobile), tramite il meccanismo di machine learning il nuovo motore riesce a individuare anche gli attributi di dettaglio (quindi: marca, modello…) e di che prodotto si tratta. Il tutto senza bisogno di interventi esterni da parte dell’uomo.
Dato lo stato attuale di avanzamento, il progetto già si pone nuovi obiettivi come il perfezionamento dei parametri di rete, per arrivare a un’accuratezza superiore al 95%, e l’espansione del modello per l’analisi anche di altri tipi di contenuto, ad esempio i documenti testuali, e per la loro identificazione in contesti sempre più complessi. I risultati del progetto verranno testati e integrati all’interno di Thron al fine di produrre una soluzione scalabile, cioè efficiente al crescere del numero di prodotti e di clienti.
Il gruppo di ricerca
Il gruppo di ricerca, che affianca il laureando Nicolò Tartaggia, è composto dal responsabile scientifico Fabio Aiolli, professore associato del Dipartimento di Matematica ‘Tullio Levi-Civita’ dell’Università patavina, dal ricercatore post-dottorato Mirko Polato e da Luca Agostini, Chief Technical Officer di THRON.
