Il Machine learning, o apprendimento automatico, è uno degli ambiti più noti e allo stesso tempo meno compresi dell’intelligenza artificiale.
Lo sviluppo di sistemi computazionali sempre complessi, in grado di apprendere autonomamente, è uno dei maggiori successi della moderna tecnologia. Nel nostro quotidiano entriamo frequentemente in contatto con questi sistemi, il più delle volte senza rendercene conto. Sono talmente integrati nella nostra realtà che ne facciamo quasi sempre un utilizzo inconsapevole.
Ma di cosa si tratta? E come funzionano realmente?
Esempi e ambiti di utilizzo dell’apprendimento automatico
Gli ambiti di utilizzo dell’apprendimento automatico sono molteplici e sempre più spesso ne facciamo uso nel corso della nostra vita quotidiana.
Esempi di machine learning sono presenti ovunque, ad esempio:
- I software che consentono ai motori di ricerca di rispondere nel merito alle ricerche degli utenti.
- La tecnologia di riconoscimento vocale presente negli smartphone.
- I filtri antispam per le mail indesiderate.
- La creazione di pubblicità personalizzata sulla base delle abitudini di navigazione degli utenti.
- Software di riconoscimento e conversione della scrittura manuale.
- Prevenzione delle frodi in ambito finanziario. In questo caso sistemi computerizzati apprendono le abitudini degli utenti e segnalano comportamenti anomali che potrebbero derivare, ad esempio, dalla clonazione della carta di credito.
- Ricerca medica. Sistemi di apprendimento automatico riescono a supportare la ricerca con la creazione di modelli predittivi estremamente accurati.
Diversi modelli di Machine learning per un unico risultato
Quando si parla di machine learning si fa dunque riferimento all’implementazione di programmi in grado di apprendere autonomamente. Ma come funziona questo apprendimento?
Attraverso algoritmi e modelli matematici i computer apprendono in maniera adattiva, basandosi sui dati estrapolati dall’esperienza. In questo modo l’apprendimento è continuo e il sistema, nel tempo, diventa sempre più capace, preciso e performante.
Esistono diversi sistemi che permettono alle macchine di imparare dall’esperienza.
- Apprendimento automatico supervisionato. Al computer vengono forniti i dati da analizzare e le informazioni sui risultati desiderati. Il computer, analizzando i dati in entrata e in uscita, comprende la regola ad essi sottesa. Tale regola può essere estrapolata ed utilizzata per comprendere e analizzare contesti analoghi.
- Apprendimento automatico non supervisionato. Al sistema vengono forniti una serie di dati senza ulteriori spiegazioni in modo che li possa analizzare senza conoscere altro. In questo modo è possibile individuare la struttura logica che si cela dietro ai dati.
- Apprendimento per rinforzo. Il sistema, in questo caso, interagisce dinamicamente con l’ambiente ed apprende grazie ad un sistema di premi-punizioni. In questo modo è in grado di apprendere anche dai propri errori.
Questo è, in grande sintesi, il machine learning.