Articoli

MACHINE LEARNING, TIPOLOGIE E APPLICAZIONI

Articolo tratto da Fastweb

Grazie a questa tecnologia un sistema informatico è in grado di assumere autonomamente delle decisioni o effettuare predizioni

 

Il machine learning è una branca della scienza informatica che prende le mosse dagli studi sul pattern recognition e sulla teoria dell’apprendimento computazionale. Si tratta, dunque, di una disciplina strettamente affine all’intelligenza artificiale, con la quale condivide scopi e metodi di lavoro.

 

Che cos’è il machine learning

 

Nello specifico, il machine learning (o apprendimento automatico) è un metodo di analisi dei dati che punta ad automatizzare la creazione di modelli analitici. Grazie a speciali algoritmi che apprendono iterativamente partendo da una base dati fornita dall’uomo, il machine learning permette a computer e altri sistemi informatici di apprendere nuove nozioni e informazioni, prendere decisioni  ed effettuare predizioni senza che siano stati precedentemente istruiti per farlo.

 

Tipologie di problemi e compiti

 

I task del machine learning sono tipicamente in tre macrocategorie, a seconda della natura della base dati utilizzata per l’apprendimento o del feedback disponibile per il sistema di apprendimento automatico.

 

  • Apprendimento supervisionato. Un sistema informatico è istruito utilizzando una base dati costituita da esempi e modelli decodificati (gia’ arricchiti da informazioni “di contorno” che aiutino il sistema di apprendimento a catalogare e classificare gli esempi). In questa maniera, gli algoritmi di machine learningpotranno analizzare i dati in maniera più veloce e risolvere problemi o compiti in  modo autonomo basandosi sulle esperienze precedenti. Un algoritmo di apprendimento supervisionato è in grado di produrre un’ipotesi induttiva, ovvero un modello di risoluzione per problemi generali partendo da una serie di problemi particolari.

 

  • Apprendimento senza supervisione. Nel sistema informatico vengono inseriti una serie di input ed esempi non classificati né decodificati. Questo compito spetta al sistema stesso, che li organizza in base ad aspetti e caratteristiche comuni per cercare di effettuare previsioni sugli input successivi. In questo caso le classi (o categorie) di dati non sono conosciute a priori, ma sono costituite in una fase successiva e apprese autonomamente dagli algoritmi machine learning. Tecniche di questo genere sono utilizzate dai motori di ricerca che, partendo da una o più parole chiave, creano liste di risultati (le SERP Search Engine Results Page) ritenute attinenti alla ricerca effettuata

 

  • Apprendimento per rinforzo. È una tecnica di machine learning che si attua in sistemi capaci di apprendere dall’ambiente circostante (grazie a sensori di vario genere, quali sensori di contatto e prossimità, GPS, giroscopio, ecc) e adattarsi ai cambiamenti che avvengono all’interno del loro “ecosistema”.

 

Le applicazioni del learning machine

 

L’apprendimento automatico, dunque,può essere utilizzato per gli scopi e nei settori più disparati. Gli algoritmi “autoapprendenti” trovano impiego anche nel campo della pubblicità online, fornendo annunci pubblicitari ad hoc a seconda del profilo dell’internauta (la cosiddetta pubblicità tracciante). Un altro settore è quello della social intelligence, nella quale il learning machine è utilizzato nell’analisi del sentiment (opinione positiva, negativa o neutra su determinati argomenti) dei post e degli interventi sui social network.

 

Da non sottovalutare, inoltre, l’importanza dell’apprendimento automatico nella facial recognition, la tecnologia che permette a Facebook (solo per citare una delle tante aziende hi-tech che ne fa uso) di riconoscere visi e taggarli in automatico ogni volta che si posta una foto sul proprio profilo.

 

Questione di affinità

 

L’apprendimento automatico ha affinità anche con diverse altre discipline informatiche e statistiche. Il machine learning, ad esempio, ha molti punti di contatto con il data mining, processo computazionale che utilizza algoritmi e metodi statistici per individuare modelli e conoscenze all’interno di grandi dataset (i big data in particolare).

 

Articolo completo: http://www.fastweb.it/internet/machine-learning-tipologie-e-applicazioni/

 

Un trend del 2017: le intelligenze artificiali

È ormai chiaro che tra i trend del 2017 ci sarà lo sviluppo e la conseguente discussione sull’intellingenza artificiale e i suoi possibili e svariati impieghi.

Oltre al mega progetto Google DeepMind, ormai resa pubblica attraverso la piattaforma open-source GitHub, anche Apple e Microsoft stanno lavorando allo sviluppo di sempre più efficienti reti neurali, ossia sistemi che riproducono il funzionamento del cervello umano.

Alcuni dei creatori di Siri, il famigerato assistente vocale dell’iPhone, Dag Kittlaus, Adam Cheyer e Chris Brigham, hanno dato vita a Viv Labs, un nuovo assistente personale che sarà caratterizzato da un’intelligenza molto più sofisticata.

Viv è capace di comprendere il linguaggio umano e quindi è possibile interfacciarsi con lui allo stesso modo con cui si comunica con un assistente umano. In sostanza ci si potrà rivolgere direttamente a lui, per esempio, per ordinare una pizza o prenotare un volo, senza accedere ad app o altri sistemi.

Amazon, dal canto suo, sta lavorando su tre fronti con altrettanti progetti: Rekognition, un sistema per la lettura dei contenuti immagini, Polly, un servizio di trasformazione dei testi nel loro equivalente vocale e Lex, una soluzione incentrata sulla comprensione del linguaggio naturale da parte degli elaboratori.

A COSA SERVONO LE IA?

I possibili impieghi delle intelligenze artificiali sono molteplici, e sicuramente ancora non del tutto noti.

L’esempio più semplice e di immediato utilizzo già nel nostro quotidiano è quello dei Chatbot: sistemi di messaggistica computerizzati in grado di interagire con l’uomo come delle persone in carne e ossa.

In futuro, però, queste tecnologie sempre più avanzate saranno in grado di sostituire l’uomo in diversi compiti ripetitivi e prevedibili come l’utilizzo di macchinari o la guida delle auto.

Sostanzialmente le intelligenze artificiali sfruttano algoritmi sempre più complessi per riprodurre i meccanismi del pensiero umano e comprendere il linguaggio naturale dell’uomo in modo da riuscire a fornire risposte sempre più precise.

LE IA RIUSCIRANNO A SOSTITUIRE L’UOMO?

In molti si pongono questo quesito e la risposta è che probabilmente sì, in alcuni compiti i sistemi di intelligenza artificiale potranno sostituire, almeno in parte, l’uomo o comunque supportarlo in modo significativo.

Nonostante alcuni allarmi, sorti da più parti, lo sviluppo delle IA non sembra preoccupare gli utenti. Secondo il rapporto annuale sulle tendenze future di Ericsson ConsumerLab, che ha intervistato un campione di oltre 7 mila utenti ‘avanzati’ di internet, di età compresa tra 15 e 69 anni, di 13 metropoli di tutto il mondo, il 35% degli interpellati vorrebbe un sistema di IA come ‘advisor’ sul posto lavoro e uno su 4 vorrebbe che l’AI fosse suo manager.

Un crescente impiego delle IA sicuramente porterà ad una maggiore automazione, con i rischi che ne conseguono, ma l’ingegno dell’uomo, la sua creatività e la capacità di pensare in modo originale continueranno ad essere indispensabili in molti settori.

Lo sviluppo tecnico porterà ad una sempre maggiore necessità di pensare in modo laterale, “fuori dagli schemi”, per andare incontro alle necessità degli utenti prima ancora che si palesino, offrendo prodotti e servizi innovativi.