Machine learning: cos'è e a cosa serve

In questa guida, passo dopo passo, illustrerò il machine learning, specificando sia cos'è e a cosa serve. Solitamente, quando si parla di machine learning, si intende un metodo di analisi dei dati che va ad automatizzare la costruzione di modelli analitici. È uno dei rami della nota intelligenza artificiale e prevede che i sistemi possono imparare direttamente dai dati, potendo identificare i vari modelli in modo autonomo e prendere di conseguenza delle decisioni riducendo al minimo l'intervento di qualsiasi persona.

• PC
• Connessione internet
• Smartphone
• Applicazione con comando vocale
• Dati da elaborare
• Algoritmi

Va detto innanzitutto che, quando si parla di machine learning, si intende l'apprendimento automatico. Parlando della sua evoluzione, va rilevato che i primi ricercatori che si sono occupati dell'intelligenza artificiale, erano intenzionati a scoprire se i computer potessero apprendere dai dati. Ne consegue che, attraverso il machine learning, gli stessi computer sono in grado di eseguire dei compiti specifici senza essere programmati per tale scopo, attraverso il riconoscimento dei dati. Nel machine learning inoltre, vengono utilizzati degli appositi algoritmi che imparano dai dati in modo interattivo. Ne consegue che i computer possono individuare anche informazioni sconosciute anche senza nessuna segnalazione. Uno degli aspetti più importanti del machine learning è rappresentato dalla ripetitività, visto e considerato che più i modelli risultano esposti ai dati, più possono avere autonomia e adattarsi alle varie situazioni. I computer infatti imparano da tutte le elaborazioni fatte in precedenza per prendere decisioni affidabili e che si possano replicare in futuro.

Visto e considerato che il machine learning si basa sull'apprendimento automatico di una macchina, occorre ora illustrare quali sono le diverse modalità di apprendimento. Va rilevato che, a seconda del tipo di algoritmo che si va ad utilizzare per consentire l'apprendimento a una singola macchina, si possono individuare tre differenti sistemi di apprendimento automatico, ossia il supervisionato, non supervisionato e per rinforzo. Tutti e tre sono usati in maniera differente in base alla macchina in cui si deve operare, garantendo di conseguenza il massimo risultato per poter rispondere nel miglior modo possibile a quelli che sono gli stimoli esterni. Nell'apprendimento supervisionato, si forniscono al sistema informatico della macchina tutte quelle nozioni indispensabili e codificate che sono in grado di costruire un vero e proprio database di informazioni ed esperienze. Nell'apprendimento non supervisionato, le informazioni inserite all'interno di una macchina non sono codificate e dovrà essere quest'ultima a catalogarle. Nell'apprendimento per rinforzo, la macchina è invece dotata di sistemi e strumenti che possono migliorare l'apprendimento stesso e comprendere tutte le caratteristiche dell'ambiente che la circonda.

Il machine learning, o meglio l'apprendimento automatico, presenta numerosi ambiti di applicazione nella vita quotidiana. Ad esempio, un'applicazione classica di machine learning è quella del riconoscimento vocale di cui sono dotati tanti smartphone e che permette di attivare i comandi semplicemente con l'utilizzo della propria voce. Sono poi molto diffusi gli strumenti intelligenti che si avvalgono del riconoscimento vocale per le varie applicazioni di domotica per poter imparare nuovi vocaboli o modi di dire che seguono i comandi vocali che vengono direttamente impartiti. Le aziende invece usano l'apprendimento automatico per realizzare le pubblicità traccianti. Infine, sono tuttora in fase sperimentale i veicoli senza pilota, dotati di un numero elevato di sensori e vari sistemi di localizzazione, che permettono di regolare al meglio la velocità nei luoghi in più c'è traffico. Per questi veicoli viene utilizzato il sistema di apprendimento per rinforzo.

• Machine learning: che cos'è e perché è importante