{"id":7282,"date":"2020-11-20T12:51:07","date_gmt":"2020-11-20T12:51:07","guid":{"rendered":"https:\/\/www.emagister.it\/blog\/?p=7282"},"modified":"2020-11-20T12:52:28","modified_gmt":"2020-11-20T12:52:28","slug":"machinelearning","status":"publish","type":"post","link":"https:\/\/www.emagister.it\/blog\/machinelearning\/","title":{"rendered":"Machine Learning, l’evoluzione dell’Intelligenza Artificiale"},"content":{"rendered":"

Hai mai sentito parlare di machine learning? In questo articolo vedremo di cosa si tratta e come funziona l’apprendimento automatico. Al termine dell\u2019articolo ti presenteremo un interessante workshop dedicato all\u2019AI e machine learning con Python<\/strong>.<\/span><\/p>\n

Cos’\u00e8 il machine learning\u00a0<\/span><\/h2>\n

Se siete degli appassionati di Netflix<\/strong>, avrete notato che la nota piattaforma di streaming suggerisce film e serie tv che spesso rispecchiano i vostri gusti. Bene, dietro al sistema di suggerimento di Netflix vi \u00e8 un meccanismo noto come machine learning che attraverso gli algoritmi riesce a dare all’utente suggerimenti prendendo dati dai film gi\u00e0 visionati.<\/strong><\/span><\/p>\n

Ci troviamo nell\u2019universo dell\u2019Intelligenza Artificiale<\/strong> e nello specifico, il machine learning costituisce un settore che sta guadagnando sempre pi\u00f9 popolarit\u00e0 negli ultimi anni: dalla guida automatica, al riconoscimento vocale, all’efficacia della ricerca web, gli esempi delle sue applicazioni sono veramente tantissime.\u00a0\u00a0\u00c8 al centro di un futuro molto prossimo<\/strong> e argomento chiave di molte ricerche.<\/span><\/p>\n

Per\u00a0<\/span>machine learning<\/b>\u00a0si intende quella branca della scienza informatica che studia i processi che permettono ai computer di imparare e interagire senza aver bisogno di essere esplicitamente programmati. \u00c8 una scienza incredibilmente potente che, analizzando grandi quantit\u00e0 di dati,<\/strong> riesce a fare calcoli e previsioni incredibili rendendo le macchine intelligenti.<\/span><\/p>\n

Per il machine learning si parte da esempi da cui vengono estratti gli schemi che li caratterizzano (i cosiddetti \u201cpattern<\/strong>\u201d) che verranno poi utilizzati per realizzare prospettive per nuovi esempi.<\/span><\/p>\n

In altre parole potremmo definire il sistema di Machine Learning, un process che consente alla <\/span>macchine di \u201cimparare da sole\u201d<\/b>. Ma come funziona?<\/span><\/p>\n

Il processo di apprendimento in realt\u00e0 si basa proprio sull\u2019utilizzo dei pattern. Su “Corriere.it<\/strong>” abbiamo trovato un ottimo esempio che semplifica e rende comprensibile il procedimento: \u201cin Google Foto<\/strong> (il servizio che consente di caricare le proprie foto in un archivio online) possiamo cercare tra centinaia di foto quelle in cui compaiono i cani. Come fa? Grazie al machine learning. Prima di tutto vengono raccolti una serie di esempi di foto etichettate con la parola \u201ccane\u201d, in seguito si prendono anche delle foto etichettate con la parola \u201cgatto\u201d e infine foto con milioni di altre etichette\u201d.<\/span><\/p>\n

La macchina, ovvero il computer,<\/span>\u00a0ricerca e assimila i pattern<\/b>\u00a0giusti di pixel e colori che gli serviranno a capire e a riconoscere i soggetti presenti in una foto. Successivamente, la macchina testa i pattern utilizzando l’immagine di un soggetto presente nella foto e modificando quelli che con corrispondono.<\/span><\/p>\n

Si tratta di operazioni ripetute pi\u00f9 e pi\u00f9 volte che consentono di immagazzinare e analizzare sempre pi\u00f9 dati<\/strong>, in modo da migliorare sempre pi\u00f9 il sistema di riconoscimento. Sulla complessa rete dei pattern si basa proprio il sistema di apprendimento automatico che porter\u00e0, dopo vari passaggi, ad un’identificazione corretta dei soggetti, riuscendo a distinguerli.<\/span><\/p>\n

Gli Algoritmi di Machine Learning<\/span><\/h2>\n

Gli algoritmi di machine learning si suddividono in 3 macro categorie:<\/span><\/p>\n

Apprendimento supervisionato<\/b>\u00a0(supervised learning)<\/span><\/p>\n

Questa metodologia permette di istruire la macchina rendendola in grado di analizzare i dati autonomamente, basandosi su un numero adeguato di esempi ideali che vengono forniti inizialmente. La macchina riceve il sistema di classificazione come input. In questo caso i dati sono raggruppati secondo etichette e sono composti da dati originali e risultati che la macchina metter\u00e0 in relazione.\"\"<\/a><\/span><\/p>\n

Apprendimento non supervisionato (unsupervised learning)<\/b><\/p>\n

In questo tipo di \u201capprendimento\u201d \u00e8 la macchina che deve trovare \u201cda sola\u201d la logica di classificazione. \u00c8 la macchina che decide come raggruppare le caratteristiche che assimila. Si utilizza quando la macchina deve scoprire relazioni implicite tra una quantit\u00e0 di dati non classificati e non etichettati.<\/span><\/p>\n

Apprendimento per rinforzo (reinforcement learning)<\/b><\/p>\n

Si tratta di una metodologia che mette insieme gli apprendimenti descritti sopra e si ha quando un sistema riesce ad apprendere e ad adattarsi ai cambiamenti dell’ambiente. Questo \u00e8 possibile proprio perch\u00e9 mettono in atto la distribuzione di una ricompensa che prende\u00a0il nome di \u201crinforzo\u201d e che \u00e8 il risultato che si ha dalla valutazione delle prestazioni.<\/span><\/p>\n

Il futuro del machine learning si muover\u00e0 su due fronti: velocit\u00e0 e regolarizzazione<\/strong>.\u00a0<\/span>Velocit\u00e0 nel mettere in moto il metodo di apprendimento automatico e miglioramento della sensibilit\u00e0 ai cambiamenti: nel caso di minimi cambiamenti la macchina deve comunque riuscire a dare un riconoscimento esatto, senza andare fuori strada.\u00a0\u00a0<\/span><\/p>\n

Machine Learning Google\u00a0<\/span><\/h2>\n

Google, il colosso del web, ha da poco inserito online la piattaforma, o \u201cshowcase\u201d per essere pi\u00f9 precisi,\u00a0<\/span>A.I. Experiments<\/span>\u00a0nella quale possiamo trovare piccoli e semplici esperimenti con cui l’utente pu\u00f2 appunto sperimentare in maniera facile il sistema di machine learning attraverso diverse interazioni, dalle immagini alla musica.<\/span><\/p>\n

Tra queste\u00a0<\/span>machine learning applications<\/span><\/i>:<\/span><\/p>\n