Il machine learning, che possiamo tradurre in italiano come apprendimento automatico, è una branca dell’intelligenza artificiale (IA) che permette ai computer di apprendere dai dati e migliorare le proprie prestazioni nel tempo. In questo caso la macchina non è programmata per il compito. Ma, in poche parole, impara dagli esempi.
È come insegnare le nozioni di scuola ad un alunno, ma non spiegandogli tutte le caratteristiche possibili di un fatto, quanto piuttosto mostrandogli dati e foto, in modo che possa arrivare da solo ad una definizione. In pratica, il machine learning è un approccio didattico legato al mondo dell’IA, dove le macchine apprendono attraverso esempi visivi.
Indice
Che differenza c’è tra intelligenza artificiale e machine learning
Spesso usati come sinonimi, intelligenza artificiale e machine learning non sono, come abbiamo visto, la stessa cosa. L’intelligenza artificiale è il campo più ampio che studia come far “pensare” le macchine in modo simile agli esseri umani. Il machine learning è una sottocategoria dell’IA, focalizzata sull’apprendimento automatico tramite dati.
Esistono anche altri rami, come il deep learning, che si basa su reti neurali artificiali e rappresenta uno degli approcci più avanzati di ML. E machine learning e deep learning sono spesso adoperati insieme per affrontare problemi elaborati come il riconoscimento vocale o la guida autonoma.
Che cos’è un modello di machine learning
Un modello di ML è il risultato dell’addestramento di un algoritmo su un insieme di dati. Per esempio, se vogliamo costruire un sistema che preveda il prezzo di una casa, possiamo basarci su valori come grandezza, zona, numero di stanze e adoperarli per addestrare un modello. Questo modello, una volta formato, può fare previsioni su nuove case mai viste prima.
Cosa si può fare con il machine learning
Le applicazioni del machine learning sono ovunque, proprio come è ovunque l’intelligenza artificiale, sempre più vicina alle persone. Un esempio concreto di applicazione pratica dell’IA è l’uso nei chatbot intelligenti o nei sistemi di raccomandazione che ci consigliano cosa acquistare. Di fatti, anche i motori di ricerca usano il sistema ML per migliorare i risultati delle query.
Altri esempi:
- Suggerimenti su Netflix e Spotify
- Riconoscimento facciale su smartphone
- Previsioni meteo
- Rilevamento di frodi bancarie
- Traduzioni automatiche
Quali sono le tre tipologie di machine learning
Il machine learning si divide in tre principali categorie:
- Apprendimento supervisionato (Supervised learning) – Il modello impara da dati etichettati. Esempio: classificare email come “spam” o “non spam”.
- Apprendimento non supervisionato (Unsupervised learning) – Il modello cerca schemi nascosti in dati non etichettati. Esempio: raggruppare clienti simili in base ai comportamenti di acquisto.
- Apprendimento per rinforzo (Reinforcement learning) – Il modello impara attraverso ricompense e punizioni. Viene spesso impiegato nei videogiochi o nella robotica.
Cosa si intende per data mining
Un altro vocabolo connesso alle AI è il data mining, il processo di estrazione di informazioni utili da grandi quantità di dati. Come immaginiamo è collegato anche al machine learning: i dati estratti vengono infatti usati per addestrare i modelli. In pratica è come scavare per trovare l’oro in miniera.
Nel nostro caso, però, l’oro sono le intuizioni che possono guidare decisioni aziendali, mediche o tecnologiche. E qui si aggancia, purtroppo, il delicato tema della privacy legato alle intelligenze artificiali, in quanto le evoluzioni della macchina passano attraverso la lettura dei nostri dati, spesso sensibili. Un dettaglio non di poco conto, su cui si concentrano le paure degli utenti.
Ma, timori o no, il mondo delle intelligenze artificiali è sempre più allacciato con le vite reali di noi esseri umani. Non si può tornare indietro, ma si può invece cercare di arginare il pericolo che il machine learning possa ritorcersi contro di noi, visto l’immenso volume di dati utili alle AI per imparare. In questo può aiutarci solo una giurisprudenza al passo con i tempi, che possa tutelarci da appropriazioni indebite di informazioni, senza il nostro consenso.