Da qualche parte in un laboratorio che non assomiglia affatto a uno studio di profumiere — niente organo pieno di centinaia di flaconi marroni, niente strisce odorose che si aprono su una scrivania come un pavone di carta, niente grembiule di pelle macchiato appeso a un gancio dietro la porta — una macchina compone un profumo. La macchina non sente nulla. Non ha un naso. Non ha alcuna opinione sulla questione se il vetiver si sposi bene con il pompelmo, nessun istinto sul fatto che una composizione abbia bisogno di più leggerezza in testa o di più calore nel fondo. Ha dati. Ha circa quattrocentomila formule del secolo scorso, digitalizzate e etichettate con punteggi di panel di consumatori, cifre di vendita, preferenze regionali e descrittori molecolari. Ha un algoritmo addestrato a identificare le correlazioni statistiche tra combinazioni specifiche di ingredienti e risultati specifici nei consumatori — intenzione di acquisto, qualità percepita, associazione emotiva, probabilità di riacquisto. E le è stato chiesto di produrre una formula che sarà, secondo ogni criterio misurabile, ottimale.
12 min
Ci riuscirà. La formula che produrrà otterrà buoni punteggi nei panel di consumatori. Testerà positivamente attraverso molteplici demografie. Non offenderà nessuno. Non confonderà nessuno. Occuperà una regione confortevole e ben popolata dello spazio olfattivo, il tipo di territorio che l'industria chiama il «punto di equilibrio commerciale» e che chiunque abbia un naso funzionante chiama il «familiare». Profumerà, secondo il giudizio della maggior parte delle persone che la incontreranno, perfettamente bene.
La domanda è se «perfettamente bene» sia profumeria.
L'applicazione dell'apprendimento automatico allo sviluppo di profumi non è speculativa. Sta avvenendo in questo momento, su scala industriale, nelle divisioni di ricerca delle più grandi aziende mondiali di profumi e aromi. La tecnologia varia in sofisticazione — alcuni sistemi sono modelli predittivi relativamente semplici che suggeriscono sostituzioni di ingredienti basate sul costo e sulla disponibilità; altri sono reti neurali profonde addestrate su decenni di dati di formule proprietarie — ma la logica sottostante è la stessa in tutti i casi. Alimenta la macchina con un ampio corpus di formule esistenti associate a dati di risposta dei consumatori. Lascia che la macchina impari le relazioni statistiche tra composizione molecolare e preferenza umana. Poi chiedi alla macchina di generare nuove formule che massimizzino la probabilità di un risultato desiderato nel consumatore.
È, in sostanza, un'analisi di regressione applicata alla profumeria. Non è, in un senso significativo, creazione.
La distinzione è importante, e la precisione sulle ragioni è necessaria. L'analisi di regressione, la tecnica matematica al cuore della maggior parte degli apprendimenti automatici, trova la retta di miglior adattamento attraverso una nuvola di punti dati. Identifica la tendenza centrale. Ti dice dove si trova la media. È estremamente utile per molte applicazioni. Se vuoi prevedere i prezzi immobiliari, il comportamento dei consumatori, le traiettorie delle malattie o i risultati elettorali, conoscere la media ti dice molto. Ma la profumeria non è un problema di previsione. È, o almeno lo è stata storicamente, un problema creativo. E i problemi creativi non si risolvono trovando il centro. Si risolvono trovando il margine.
Ogni profumo che ha veramente cambiato l'industria, ogni composizione che, retrospettivamente, ha definito un'epoca o aperto una nuova categoria, l'ha fatto deviando dal consenso del suo tempo. La prima felce moderna non era ciò che nessuno si aspettava da un profumo maschile nel 1882. Il primo grande floreale aldeidato non era ciò che nessuno si aspettava da un profumo femminile negli anni '20. Il primo maschile fresco al diidromircenolo e all'edione non era ciò che nessuno si aspettava da un profumo maschile negli anni '80. Il primo molecolare pelle-pulita-muschio non era ciò che nessuno si aspettava da alcun profumo all'inizio degli anni 2000. In ogni caso, la composizione ha avuto successo non perché corrispondeva alle preferenze esistenti ma perché ne creò di nuove. Non trovò il centro. Spostò il centro.
Un algoritmo addestrato su dati storici non può, per costruzione, spostare il centro. Può solo trovarlo. Può trovarlo con precisione chirurgica, e può generare formule che occupano il punto di equilibrio con un'efficienza che nessun profumiere umano potrebbe eguagliare. Ma occupare il punto di equilibrio non è innovazione. È ottimizzazione. E la storia della profumeria suggerisce che ottimizzazione e innovazione non sono la stessa cosa, e possono anzi essere opposte.
Un contro-argomento, e merita un esame serio. Il contro-argomento è il seguente: i profumieri umani sono anche, in un certo senso, algoritmi. Sono reti neurali biologiche addestrate su un corpus di dati olfattivi — tutto ciò che hanno sentito, ogni formula che hanno studiato, ogni risposta di consumatore che hanno osservato nel corso di una carriera. Il loro processo creativo non è, come i romantici amano immaginare, un lampo di ispirazione discendente dalla musa. È riconoscimento di schemi, ricombinazione e raffinamento iterativo. Il profumiere si siede all'organo, seleziona materie basate sull'esperienza e l'intuizione, miscela una formula di prova, la valuta, aggiusta, valuta di nuovo. Il processo è empirico, non mistico. Se una macchina può compiere le stesse operazioni più velocemente e più sistematicamente, cosa si perde, esattamente?
Ciò che si perde è l'errore.
Questo sembra paradossale, quindi siamo precisi. I profumieri umani fanno errori. Sovradosano un ingrediente e scoprono che il sovradosaggio crea un effetto che non avevano previsto e non avrebbero potuto prevedere. Contaminano accidentalmente un lotto di prova e scoprono che il contaminante aggiunge qualcosa di interessante. La storia delle scoperte sintetiche in profumeria è costellata di tali collisioni fortunate. Interpretano male le proprie note e combinano materie che non avevano intenzione di combinare, e il risultato è migliore di quanto avessero pianificato. La storia della profumeria è piena di questi incidenti — composizioni che devono il loro carattere non a un disegno deliberato ma a una collisione imprevista di materie che un processo più attento avrebbe impedito.
Un algoritmo non fa questi errori. Un algoritmo fa esattamente ciò che gli viene detto di fare. Ottimizza la funzione obiettivo. Segue il gradiente. Non si avventura in un territorio inesplorato per caso, perché non si avventura affatto. Si muove, con precisione matematica, verso l'ottimo. E l'ottimo, come definito dai dati dei panel di consumatori, è sempre il centro. La media. Il consenso.
Il potenziale creativo dell'errore non è un fantasma romantico. È un fenomeno ben documentato in ogni campo creativo. Il biologo che scopre la penicillina a causa di una piastra di Petri contaminata. Il fisico che scopre il fondo diffus cosmologico a causa di un rumore inspiegabile in un'antenna. Il musicista che scopre un nuovo linguaggio armonico perché una corda si spezzò durante un concerto e impose un'improvvisazione. Non sono storie apocrife raccontate per confortare i maldestri. Sono occorrenze documentate di un principio generale: le scoperte creative derivano spesso da deviazioni dal piano, e i sistemi progettati per eliminare la deviazione elimineranno anche, per costruzione, la possibilità della scoperta.
Una seconda obiezione, più filosofica, alla profumeria computazionale, riguarda la natura stessa della preferenza.
I dati dei panel di consumatori, i dati su cui questi algoritmi sono addestrati, misurano la preferenza dichiarata. Registrano ciò che le persone dicono di amare quando viene chiesto loro. Ma la preferenza dichiarata e la preferenza reale non sono la stessa cosa. La preferenza dichiarata è conservatrice. Quando viene chiesto loro di scegliere tra il familiare e l'ignoto, la maggior parte delle persone, nella maggior parte dei contesti, sceglie il familiare. Non è stupidità. È un bias cognitivo ben documentato, l'effetto della semplice esposizione, descritto per la prima volta dallo psicologo Robert Zajonc in un articolo fondamentale del 1968 nel Journal of Personality and Social Psychology, e opera potentemente nella valutazione olfattiva, dove l'assenza di un vocabolario condiviso rende eccezionalmente difficile per i consumatori articolare perché amano o non amano qualcosa. Di fronte a un profumo veramente nuovo, che non corrisponde a nessuna categoria esistente, che confonde e incuriosisce in egual misura, un panel di consumatori gli darà, più spesso, un punteggio basso. Non perché il profumo sia cattivo, ma perché il panel non ha il quadro per valutarlo.
Un algoritmo addestrato su dati di panel di consumatori eredita questo conservatorismo. Impara che la novità è rischiosa e la familiarità è sicura. Impara che i profumi che le persone valutano più in alto sono quelli che somigliano di più a profumi che hanno già valutato bene. Impara, in sostanza, la lezione più fondamentale della ricerca sui consumatori: le persone amano ciò che già amano. E ottimizza di conseguenza.
Il risultato è una macchina estremamente abile nel produrre ciò che l'industria chiama «valori sicuri» — profumi che non falliranno, che raggiungeranno un minimo di sostenibilità commerciale, che non sorprenderanno, non disturberanno né sfideranno chiunque li annusi. Questi profumi si venderanno. Alcuni si venderanno molto bene. Ma non cambieranno l'industria, perché cambiare l'industria richiede di produrre qualcosa che i panel di consumatori non sanno valutare. Le composizioni che hanno cambiato la profumeria erano tutte, al momento della loro creazione, sorprese. Erano cose che nessuno aveva chiesto, cose che non ottenevano buoni punteggi nei test preliminari, cose che ebbero successo non perché i dati dicevano che sarebbe successo ma perché una sola persona — un profumiere, un direttore creativo, un imprenditore — ci credette nonostante i dati.
Un algoritmo non può credere in nulla nonostante i dati. Credere nonostante i dati è l'unica cosa di cui un algoritmo è costituzionalmente incapace. Un algoritmo segue i dati. Questa è la sua virtù e la sua limitazione. E in un campo dove le decisioni più importanti sono quelle che contraddicono i dati, dove tutta la storia del progresso creativo è una storia di persone che ignorano il consenso e hanno ragione, questa limitazione non è minore. È fondamentale.
Sia chiaro ciò che non sostengo. Non sostengo che l'intelligenza artificiale non abbia alcun ruolo nella profumeria. Ha applicazioni evidenti e preziose. Può accelerare il processo di riformulazione quando un cambiamento normativo impone il ritiro di un ingrediente limitato. Può suggerire sostituzioni economiche che mantengono il carattere di una composizione riducendone il prezzo. Può analizzare grandi insiemi di dati di feedback dei consumatori e identificare tendenze che un analista umano potrebbe perdere. Può mappare il vasto spazio multidimensionale delle combinazioni possibili di ingredienti e mettere in luce regioni che i profumieri umani non hanno ancora esplorato, allo stesso modo in cui la cromatografia a gas decodificava un tempo formule che erano precedentemente chiuse nel segreto commerciale. Sono funzioni utili. Fanno risparmiare tempo, riducono i costi e ampliano la cassetta degli attrezzi del profumiere. Nessuna persona seria si oppone a questo.
Ciò che sostengo è che sono tutte funzioni di ottimizzazione. Rendono i processi esistenti più efficienti. Non creano. La distinzione tra ottimizzare e creare non è semantica. È la distinzione tra trovare il miglior percorso attraverso un paesaggio conosciuto e scoprire che il paesaggio si estende oltre i suoi confini conosciuti. L'apprendimento automatico eccelle nel primo. È strutturalmente incapace del secondo, perché il secondo richiede, per definizione, di andare oltre i dati, e l'apprendimento automatico è, per definizione, un metodo per estrarre schemi dai dati.
L'entusiasmo dell'industria del profumo per gli strumenti computazionali è comprensibile. L'economia della profumeria moderna è brutale. Il tempo medio di sviluppo di un profumo commerciale è stato compresso da anni a mesi. I brief sono più stretti. I budget più piccoli. Il costo del fallimento più alto. In questo ambiente, uno strumento che può ridurre il numero di iterazioni necessarie per raggiungere una formula accettabile è estremamente prezioso. Ma «accettabile» fa molto lavoro in questa frase. Una formula accettabile è quella che risponde al brief, ottiene un punteggio adeguato nel test e non supera il tetto di costo. Una formula accettabile non è un capolavoro. Non è nemmeno, nella maggior parte dei casi, particolarmente interessante. È adeguata. E l'adeguatezza, su scala industriale, è il nemico dell'arte.
C'è un'ultima considerazione, e forse è la più inquietante. Più lo sviluppo di profumi si basa su strumenti algoritmici addestrati su dati di consumatori, più la produzione dell'industria convergerà verso una media statistica. Ogni nuova formula ottimizzata dall'IA occuperà, per progettazione, il centro della distribuzione delle preferenze. Col tempo, il centro stesso si sposterà, ma lentamente, perché la produzione dell'algoritmo rafforza le stesse preferenze su cui è stato addestrato. I consumatori esposti ripetutamente a profumi ottimizzati dall'IA svilupperanno preferenze modellate da questi profumi, e queste preferenze diventeranno a loro volta i dati di addestramento della prossima generazione di algoritmi. Il risultato è un ciclo di retroazione: la macchina produce ciò che le persone amano, le persone imparano ad amare ciò che la macchina produce, e la macchina ne produce di più.
Non è uno scenario ipotetico. È una descrizione precisa di ciò che è già accaduto in altre industrie creative che hanno adottato sistemi di raccomandazione e generazione algoritmica. Le piattaforme di streaming musicale, i cui algoritmi ottimizzano per l'engagement, hanno prodotto una convergenza misurabile nelle caratteristiche sonore della musica popolare — più forte, più corta, più ripetitiva, con il ritornello che arriva prima e la gamma dinamica che si restringe. Le piattaforme di social media, i cui algoritmi ottimizzano per l'attenzione, hanno prodotto una convergenza nelle caratteristiche visive dei contenuti popolari — più saturati, più ritagliati, più emotivamente estremi. L'algoritmo non appiattisce il paesaggio deliberatamente. Lo appiattisce come effetto collaterale dell'ottimizzazione per la media.
La profumeria non è immunizzata contro questa dinamica. Se la pipeline di sviluppo dell'industria diventa sempre più dipendente da strumenti di IA che ottimizzano per il consenso, il risultato inevitabile è un restringimento del campo olfattivo. Non un restringimento a un solo profumo — il mercato è troppo ampio e troppo segmentato per questo — ma un restringimento all'interno di ogni segmento. I maschili freschi convergeranno. I femminili dolci convergeranno. Gli orientali al oud convergeranno. Ogni categoria diventerà più omogenea internamente, perché l'algoritmo che progetta ogni nuova entrata è addestrato sugli stessi dati che hanno prodotto le entrate esistenti. Il campo non si restringerà a un punto. Si restringerà a un aggregato.
Se ciò importa dipende da cosa pensi che la profumeria sia. Se è un'industria, un commercio che produce beni di consumo progettati per rispondere alla domanda del mercato, allora l'ottimizzazione è la strategia giusta, e la convergenza è un costo accettabile. I consumatori ottengono ciò che vogliono. Le aziende guadagnano soldi. Nessuno si lamenta.
Ma se la profumeria è anche un'arte, una disciplina creativa il cui scopo si estende oltre la soddisfazione delle preferenze esistenti per rivelare nuove possibilità di esperienza olfattiva, allora la convergenza non è un costo. È una catastrofe. Perché l'arte, secondo ogni definizione degna di essere difesa, richiede la possibilità della sorpresa. Richiede la possibilità che la prossima composizione sia qualcosa che nessuno ha mai sentito prima, qualcosa che nessun set di dati ha previsto, qualcosa che un panel di consumatori avrebbe rifiutato perché non corrispondeva a nessuna categoria esistente.
Un algoritmo non può produrre questo. Un profumiere può. Non in modo affidabile, non in modo costante, non nei tempi, non nel budget. Ma occasionalmente, in modo imprevedibile, contro ogni logica commerciale, un essere umano seduto a un organo circondato da centinaia di flaconi marroni combinerà materie in un modo che nessuna macchina avrebbe suggerito, e il risultato sarà qualcosa di veramente nuovo. Qualcosa che sposta il centro invece di occuparlo. Qualcosa che i dati dicevano non avrebbe dovuto funzionare.
Questi momenti sono rari. Diventano sempre più rari. E se l'industria non fa attenzione, smetteranno di accadere del tutto — non perché la tecnologia li vieti, ma perché l'economia non lascia più spazio per loro. La macchina comporrà. La macchina ottimizzerà. La macchina produrrà profumi perfettamente ben fatti che otterranno buoni punteggi in ogni panel e non offenderanno nessuno.
Se questo conta come profumeria è una domanda che la macchina non è attrezzata per decidere. Dovrà essere un naso a rispondere.
