L’apprendimento automatico (o Machine Learning) è il modello alla base di macchine e sistemi tecnologici intelligenti. Grazie agli algoritmi di apprendimento questi strumenti elaborano risposte a partire dall’esperienza (ovvero i dati).
Niente di futuristico, in realtà.
Se, in questi giorni, avete “chiacchierato” con Siri, Alexa o Cortana dal vostro cellulare o fatto una ricerca in internet, o una partita a scacchi contro il computer siete già venuti in contatto con il Machine Learning.
Oltre questo, l’apprendimento automatico è oggi essenziale in numerosi campi: dal marketing alla finanza; dalla ricerca medico-farmacologica al settore dei trasporti, della sicurezza bancaria ed altri ancora.
Ecco perché è un settore di studi molto promettente.
Ma iniziamo a vedere insieme di cosa si tratta.
Il Machine Learning: una definizione
Il fenomeno sembra recente, soprattutto con l’esplosione del Deep Learning, ma in realtà l’apprendimento automatico nasce negli anni cinquanta, nell’ambito della ricerca sull’Intelligenza Artificiale (AI).
Già nel 1943 si dà vita alla visione che anima l’AI, ovvero: avvicinare le macchine al funzionamento del cervello umano grazie al primo modello di neurone artificiale di Mcculloch e Pitts (poi sviluppato, nel 1958, da Rosenblatt). Poco dopo, nel 1959, fu coniato il termine Machine Learning dallo scienziato americano Arthur Lee Samuel. Ma è l’anno 1969 a segnare la svolta. Quando dal neurone artificiale si passa al percettrone (Papert e Minsky) e all’apprendimento dai dati.
Da qui in poi, si è potenziata la capacità di istruire le macchine ad attivare un reticolo automatico di connessioni, collegamenti e verifiche tra dati e variabili fornite per ottenere il risultato più idoneo alla richiesta.
Oggi la definizione di Machine Learning in uso è quella di Tom Mitchell:
Un programma apprende dall’esperienza E con riferimento ad alcune classi di compiti T e con misurazione della performance P, se le sue performance nel compito T, come misurato da P, migliorano con l’esperienza E.
Come funziona e a che serve il Machine Learning?
Con il Machine Learning viene fornito alle macchine un set di input iniziale con i dati e le variabili necessarie. Saranno le macchine a riconoscere al loro interno dei “pattern” e a elaborare la soluzione (output). Rispetto ai codici di programmazione, la differenza è massima. Con il codice le macchine eseguono “solo” i comandi forniti mentre con il machine learning apprendono dalle istruzioni ricevute. Inoltre uno stesso tipo di algoritmo può essere applicato in diversi contesti e scopi.
E il Deep learning?
La differenza tra Deep Learning e Machine Learning è meno marcata di quanto si crede. In realtà il Deep Learning è l’applicazione ultima del Machine Learning, che dal 2006 circa ha acceso i riflettori sul modello di analisi dei dati. Tre sono i motivi principali alla base del boom del deep learning negli ultimi anni:
- la vastissima quantità di dati disponibili, a costi contenuti, grazie alla diffusione della rete web;
- l’aumentata capacità di computazione dei dispositivi grazie alle rapide innovazioni tecnologiche;
- la diffusione di software, open source o di proprietà pubblica capaci di addestrare modelli di apprendimento automatico a poco costo.
Questo permette di di fronteggiare dimensioni di calcolo talvolta sovrumani in tempi relativamente brevi.
Imparare il Machine Learning: scegli il MOOC di Federica!
Lo studio di questa materia è avvincente. Sia per le possibilità di utilizzo in tantissimi ambiti, sia perché offre conoscenze multistrato, profonde e trasversali: dall’informatica alla statistica, dalla matematica all’intelligenza artificiale.
Su federica.eu è ora aperto a tutti gli interessati, in modo gratuito, il corso di Machine Learning del professor Fabio Stella dell’Università Bicocca di Milano, dove è possibile apprendere i concetti chiave e mettersi alla prova con oltre 200 quiz.
E poi, nella sezione dedicata a tutti i Mooc, si possono approfondire altri argomenti strettamente legati al Machine Learning come il linguaggio Python, le teorie alla base dell’analisi dei dati o, ancora, aggiornarsi sugli ultimi sviluppi nell’elaborazione del linguaggio naturale o quelli nel mondo della robotica.
Allora, inizia dalle basi con il MOOC di Machine Learning di federica e partecipa al futuro, già presente!
