Logo ImpresaCity.it

Come orientarsi nel machine learning

Il machine learning è un sotoinsieme dell'AI ma è comunque abbastanza vasto: eccone gli aspetti principali

Autore: Redazione Impresacity

Intelligenza artificiale (AI) e machine learning sono temi oggi trattati da moltissime aziende dell'IT e molto spesso le due espressioni sono usate allo stesso modo, senza una apparente distinzione. In realtà indicano due cose diverse e con significati su cui si può anche dibattere, data la relativa novità delle applicazioni e la natura a volte astratta dell'argomento.

Di solito si intende l'intelligenza artificiale come la capacità di portare le "macchine" (anche qui, in senso lato) a eseguire compiti che sono banali per gli uomini ma difficili per un sistema digitale, come riconoscere la presenza di un volto in una immagine o capire il senso di una frase. In questo grande ambito ricadono varie applicazioni mirate di cui il machine learning è una: la capacità delle "macchine" di imparare a svolgere un compito senza che uno sviluppatore lo scomponga in passi specifici e sequenziali da compiere.

Oggi con machine learning si intende quasi sempre la capacità di un sistema informatico di comprendere il comportamento di un dato fenomeno o processo, per poi aiutare a gestirlo. Gli esempi sono i più vari: è machine learning l'algoritmo che impara cosa ci piace su Amazon osservando cosa acquistiamo, ma anche quello che controlla da solo la validità di una nota spese in base ai dati che contiene e, salendo in complessità, quello che valuta il buono stato di funzionamento di un macchinario a partire dai dati dei suoi sensori.

machine-learning.2.jpg
Si tratta di una casistica ampia e variegata proprio perché la definizione di machine learning è ampia e le concretizzazioni pratiche molto diverse fra loro. Va poi considerato che machine learning sta diventando un termine-ombrello in cui si trovano quasi tutte le nuove applicazioni vagamente connesse all'intelligenza artificiale. Anche ad esempio la comprensione del linguaggio naturale, che sta alla base degli assistenti vocali alla Siri e ai sempre più diffusi chatbot.

All'interno del machine learning esistono "scuole" di apprendimento che hanno definizioni loro proprie. C'è il machine learning supervisionato, in cui un umano aiuta gli algoritmi mentre imparano, ad esempio indicando se una certa valutazione è giusta o sbagliata oppure specificando quali parametri valutare nelle scelte. L'opposto dell'apprendimento supervisionato è quello cosiddetto unsupervised.

Il deep learning


Oggi si parla poi sempre più di deep learning. In sintesi e semplificando è una forma di apprendimento basato sulla capacità di definire autonomamente astrazioni e generalizzazioni a partire dai dati. Come esaminare migliaia di video di sicurezza per capire cosa possa essere un comportamento sospetto, senza (ed è qui il punto chiave) cercare elementi specifici che lo identifichino.

Il deep learning è quello che viene attualmente considerato più interessante, soprattutto in prospettiva. L'idea è che algoritmi sempre più potenti possano comprendere e modellare fenomeni anche molto complessi, non gestibili da personale umano, e introdurre così elementi di automazione nei sistemi di controllo. Per fare un esempio, l'idea di una Smart City che si auto-regola può sembrare fantascienza - e al momento lo è - ma è in linea con questa visione e molto meno futuribile di quanto si pensi.
Pubblicato il: 02/10/2017

Tag:

Cosa pensi di questa notizia?

Speciali

speciali

Red Hat Open Source Day, il futuro ha il sapore dell’open source

speciali

L’affermazione della stampa 3D tra prototipazione e produzione