Il Machine Learning e gli algoritmi dell’intelligenza artificiale

L’apprendimento automatico è un tema più che mai attuale e sul quale viene posta sempre maggiore attenzione: in questo articolo cos’è il machine learning, perché se ne parla così tanto, e come viene usato dalle moderne aziende per migliorare offerte e servizi.

Con alte probabilità ricorriamo al machine learning tutti i giorni svolgendo le più disparate attività, eppure senza nemmeno rendercene conto: siamo nell’epoca del forte sviluppo dell’intelligenza artificiale e, sebbene non si tratti di una scienza nata negli ultimi anni, solo da poco più di un decennio le innovazioni sono state tali da sconvolgere il settore e le premesse per il futuro.

Cos’è il machine learning?

Machine learning, intelligenza artificiale, e deep learning: sono tre diciture che vengono spesso usate come sinonimi, e quindi interscambiate per indicare le capacità di un sistema artificiale intelligente; in realtà si tratta di tre concetti ben distinti, seppur tra loro in strettissima connessione.

Prima parlare di machine learning – per chi è completamente a digiuno della materia –, è necessario passare per l’idea di intelligenza artificiale. Con questa espressione si fa riferimento allo studio svolto dall’uomo nei confronti del quesito:

“Può una macchina riuscire a pensare, e quindi a risolvere problemi come fanno gli esseri umani?”

Per quanto i progressi della tecnologia ci hanno ormai abituati a meraviglie continue, va sottolineato che un computer non è, da solo, in grado di confrontarsi con un problema, vagliare ipotesi, e ragionare al fine di trovare una soluzione.
La capacità logica resta al momento una prerogativa umana, ma gli scienziati stanno lavorando da tempo su questo aspetto, riuscendo ad ottenere risultati di non poco conto nel progresso dell’intelligenza artificiale.

Dunque, se l’intelligenza artificiale è quella scienza che deve rispondere a questo quesito, il machine learning – o meglio in italiano l’apprendimento automatico –, non è altro che una delle tecniche sfruttate dall’intelligenza artificiale.

Il machine learning quindi permette ad una macchina di imparare e di risolvere problemi posti a partire da un dataset fornito, mentre il deep learning è una branca specifica che lavora su livelli più approfonditi dello stesso, e basati sulle gerarchie degli elementi.

Come funziona l’apprendimento automatico

Esiste una profonda differenza tra un comune computer che è normalmente in grado di svolgere un compito assegnato, rispetto ai sistemi di intelligenza artificiale, e risiede nella programmazione. Nel primo caso il computer, inteso come strumento così come noi tutti lo conosciamo, è capace di fornire precisi output in relazione agli input immessi, ma soltanto perché a priori uno sviluppatore lo ha programmato per rispondere a quella esigenza mirata.

Un sistema dotato di apprendimento automatico, invece, riesce a raggiungere l’obiettivo prefissato in maniera autonoma, risolvendo problemi senza la programmazione da un essere umano.
Non solo: grazie al machine learning un’intelligenza artificiale riesce a migliorarsi di volta in volta e di apprendere addirittura dai propri errori, proprio come farebbe una mente umana nel tentativo di risoluzione di un problema.

Le fasi del machine learning

Tutto ciò avviene attraverso due fasi del machine learning:

1. L’apprendimento supervisionato;
2. L’apprendimento non supervisionato.

In un primo momento è necessario istruire l’algoritmo intelligente fornendo delle informazioni da tenere presenti durante l’intero processo di valutazione: è in questo momento che è fondamentale l’intervento degli esperti che permettano al sistema di acquisire le informazioni sotto forma di immensi dataset. I dati assunti, poi, saranno processati e memorizzati dalle reti neurali, e saranno la base dell’esperienza del sistema.
Insieme ai dati, gli scienziati provvedono anche a fornire al programma i risultati delle relazioni corrette, per insegnare alla rete neurale qual è la strada da seguire.

Una volta appresa la funzione che mette in relazione l’interazione tra gli elementi forniti, il sistema dovrà essere in grado di effettuare, da solo, la ricerca dei nessi logici tra i fattori premessi. Di conseguenza, più è grande il database fornito in prima battuta al sistema di machine learning, migliore sarà la capacità dello stesso di capire come agire anche senza la partecipazione dell’uomo.

Il programma, infine, riesce a raggiungere l’obiettivo mediante l’individuazione di correlazioni tra gli elementi forniti in precedenza, ma non senza considerare una parte molto importante dell’apprendimento: l’errore. Gli algoritmi intelligenti, infatti, sanno riconoscere l’errore e farne tesoro imparando dallo stesso quando il risultato non corrisponde a quello desiderato. In questo modo, l’intero sistema riesce ad apprendere e a migliorarsi con l’esperienza acquisita e con quella, poi, generata.

Grazie ad un sofisticato processo che fonde insieme matematica, computazione, informatica e tecnologia avanzata, è possibile quindi ottenere modelli predittivi che permettono di avere risposte sulla base delle connessioni tra gli elementi di base forniti al computer.

I campi di applicazione

Tutto questo sembrerebbe frutto di un film di fantascienza, o un qualcosa di così lontano e di difficile comprensione; eppure, come già anticipato in apertura, i campi d’applicazione del machine learning sono più vicini di quanto si possa pensare.

Infatti, si ricorre a questo tipo di intelligenza artificiale quando si usano:

• Motori di ricerca;
• Riconoscimento vocale;
• Auto che si avvalgono della guida autonoma;
• Bot;
• Filtri e-mail;
• Applicazioni medico-scientifiche;
• Prodotti raccomandati.

Nello specifico, usufruiamo di sistemi addestrati tramite machine learning quando eseguiamo una ricerca su Google, o quando ci avvaliamo dei suggerimenti delle ricerche correlate, oppure se usiamo i comandi vocali dello smartphone, ma anche nelle automobili che guidano o parcheggiano da sole. Ancora, hanno ricorso al machine learning i bot che rispondono in maniera automatica nelle chat, oppure i provider di posta elettronica che attraverso criteri di smistamento delle nostre e-mail distinguono lo spam dalla posta buona, ma anche i ricercatori per la decodifica del DNA umano, ad esempio.

Infine, il machine learning lavora anche dietro i suggerimenti dei prodotti o servizi raccomandati, come quelli impiegati da siti web come i famosi Amazon, eBay, ma anche YouTube.