Apprendimento automatico, anche in Italia più noto ormai come machine learning, un insieme di metodi che molti puntano sulla statistica ma anche sulla condivisione dei dati, di masse di dati, e che vengono impiegati in campi davvero molto diversi l’uno dall’altro.
In finanza ed economia, nell’informatica, nelle previsioni del tempo e man mano le possibilità di applicazione sono sempre di più e più impensabili. Noi cercheremo di capire cosa c’è alla base dell’apprendimento automatico, come esso nasce e su cosa si basa, mentre il mondo lo utilizza per innovare settore per settore, in parte spaventato, in parte esaltato dalle nuove frontiere che si aprono con questi metodi basati su algoritmi affatto banali.
Un esempio molto “banale” per capire di cosa stiamo parlando è il filtraggio delle mail. Vi è mai capitato che dopo che gettate nel cestino le mail di un certo mittente per un po’ di volte, poi le seguenti vanno direttamente nello spam risparmiandoci di scartarle manualmente? Ecco, questo è apprendimento automatico, il pc ha imparato automaticamente che quelle mail non sono di nostro interesse e smette di proporcele. Ci da una mano.
Anche il riconoscimento ottico dei caratteri, i vari motori di ricerca e la visione artificiale sono frutto dell’apprendimento automatico.
Apprendimento automatico delle lingue
Molti assistenti vocali fanno uso dell’apprendimento automatico e cercano di parlare come noi imparando da ciò che sentono e che noi facciamo loro sentire. E’ un campo di applicazione molto interessante come anche quello dei programmi di traduzione automatica.
Di recente si sta cercando di risolvere il “problema” della polisemia, ovvero di come tradurre certe parole che hanno diversi significati al variare del contesto. Ad esempio la parola regina: regina di Inghilterra, regina al gioco di scacchi, ape regina… ? come si può capire? Dal contesto, quindi è necessario un apprendimento automatico del contesto di una parola per tradurla al meglio.
Apprendimento automatico: definizione
Si parla soprattutto di machine learning e con questo termine si vuole indicare non un solo metodo ma una famiglia di metodi affatto recenti sviluppati per migliorare progressivamente la performance di un algoritmo nell’identificare pattern nei dati. Non è cosa recente anche e molto futuristica ed in continua evoluzione: i primi studi sull’apprendimento automatico sono iniziati negli ultimi decenni del 1900.
Non si parlava all’epoca di Apprendimento automatico e nemmeno di machine learning ma di tecniche che mescolavano di volta in volta molte materie tra cui statistica computazionale, riconoscimento di pattern, reti neurali artificiali, filtraggio adattivo, teoria dei sistemi dinamici, elaborazione delle immagini, data mining, algoritmi adattivi.
La statistica senza dubbio è la linfa vitale ma servono molto anche dei dati da “macinare”, oggi più che mai infatti i dati sono preziosi per le tecniche di machine learning e di deep learning.
Ai tempi delle prime ricerche in merito era stata effettuata una distinzione tra due metodi che ancora oggi può essere valida da un certo punto di vista. Un primo metodo, indicato come rete neurale, mirava allo sviluppo di macchine ad apprendimento automatico mentre un altro metodo, più specifico e complesso, aveva come obiettivo la riproduzione dell’equivalente di una rete altamente organizzata progettata per imparare solo alcune attività specifiche.
Apprendimento automatico: algoritmi
Non si può parlare di machine learning senza parlare di algoritmi, anche perché l’apprendimento automatico è strettamente legato al riconoscimento di pattern e alla teoria computazionale dell’apprendimento.
Si va in cerca di algoritmi che davanti ad una serie di dati siano in grado di imparare e poi produrre delle previsioni costruendo con il metodo induttivo un modello basato su dei campioni. Assieme agli algoritmi, essenziale è una materia come la statistica computazionale, che si occupa dell’elaborazione di predizioni tramite l’uso di computer. Ci sono molta matematica e anche molta informatica nell’apprendimento automatico.
Apprendimento automatico: libri
Non è il classico manuale ed è proprio per questo che ve lo consiglio, i manuali e le guide li sapete trovare da soli. Il libro è “A tu per tu col Machine Learning. L’incredibile viaggio di un developer nel favoloso mondo della Data Science”, scritto da Alessandro Cucci. Si tratta di una storia che intreccia la vita di un developer con le tecniche e le scoperte che fa, è scritto con passione e saggezza, fa sorridere ed insegna molto.
Apprendimento automatico e reti neurali
Quando di parla di apprendimento automatico si sente spesso il termine “rete neurale artificiale”, si tratta strutture non-lineari di dati statistici organizzate come strumenti di modellazione che vediamo impiegate in molti contesti diversi. Ricalcano il nostro cervello, da un certo punto di vista, e vengono usate in tutti questi casi in cui serve simulare relazioni complesse tra ingressi e uscite che altre funzioni analitiche non riescono a rappresentare. Si parla anche spesso di neuroni specchio. Avranno a che fare con tutto ciò? Scoprilo leggendo l’articolo dedicato
Se vi è piaciuto questo articolo continuate a seguirmi anche su Twitter, Facebook, Google+, Instagram
Vi potrebbe interessare anche