L’apprendimento automatico è il campo di studio che offre ai computer la capacità di apprendere senza essere programmati in modo esplicito. Il ML è una delle tecnologie più eccitanti degli ultimi decenni. Come si evince dal nome, dà al computer quell’elemento che lo rende più simile all’uomo: la capacità di apprendere. L’apprendimento automatico viene utilizzato attivamente oggi, forse in molti più luoghi di quanto ci si aspetterebbe.
Che cos’è il machine learning?
Il machine learning, o apprendimento automatico, è una branca dell’intelligenza artificiale (AI) e dell’informatica che si concentra sull’uso di dati e algoritmi per imitare il modo in cui gli esseri umani apprendono, migliorandone gradualmente la precisione.
La nascita di questo concetto si deve ad Arthur Samuel, informatico statunitense presso la IBM, pioniere nel campo dell’intelligenza artificiale e dei videogiochi per computer. Samuel è conosciuto nel mondo dell’intelligenza artificiale per il suo straordinario gioco di dama del 1959, e per le sue ricerche sull’apprendimento automatico a partire dal 1949.
Credeva che insegnare ad un computer a giocare fosse utile per sviluppare tattiche da applicare alla risoluzione di problemi più generali, e scelse la dama perché è relativamente semplice e allo stesso tempo necessita di tattiche complesse. Robert Nealey, un incontrastato maestro di dama, ha giocato su un computer IBM 7094 nel 1962 e ha perso contro il computer. Rispetto a quanto si può fare oggi, questa impresa sembra banale, ma è considerata una pietra miliare importante nel campo dell’intelligenza artificiale.
Quali sono i campi di applicazione del machine learning?
Negli ultimi due decenni, i progressi tecnologici in termini di storage e potenza di elaborazione hanno consentito alcuni prodotti innovativi basati sull’apprendimento automatico, come il motore di raccomandazione di Netflix e le auto a guida autonoma.
L’apprendimento automatico è una componente importante del crescente campo della scienza dei dati. Attraverso l’uso di metodi statistici, gli algoritmi vengono addestrati per effettuare classificazioni o previsioni e per scoprire informazioni chiave nei progetti di data mining.
Ecco alcuni esempi di apprendimento automatico che potresti incontrare ogni giorno:
- Riconoscimento vocale: il riconoscimento vocale automatico, o sintesi vocale, è una funzionalità che utilizza l’elaborazione del linguaggio naturale (NLP) per tradurre il linguaggio umano in un formato scritto. Molti dispositivi mobili incorporano il riconoscimento vocale nei loro sistemi per condurre ricerche vocali, ad esempio Siri, o per migliorare l’accessibilità per gli SMS.
- Servizio clienti: I chatbot online stanno sostituendo il personale umano nel percorso d’acquisto del cliente, in quanto rispondono alle domande frequenti (FAQ) su argomenti come la spedizione o il pagamento, o forniscono consigli personalizzati, prodotti di vendita incrociata o suggeriscono taglie per gli utenti.
- Visione artificiale: questa tecnologia di intelligenza artificiale consente ai computer di ricavare informazioni significative da immagini digitali, video e altri input visivi e quindi intraprendere l’azione appropriata. Alimentata da reti neurali convoluzionali, la visione artificiale viene sfruttata nel tag delle foto sui social media, nell’imaging radiologico nel settore sanitario e nelle auto a guida autonoma nell’industria automobilistica.
- Motori di raccomandazione: utilizzando i dati sui comportamenti di consumo passati, gli algoritmi di intelligenza artificiale possono aiutare a scoprire le tendenze dei dati che possono essere utilizzate per sviluppare strategie di cross-selling più efficaci. Questo approccio viene utilizzato dai rivenditori online per fornire raccomandazioni sui prodotti pertinenti ai clienti durante il processo di pagamento.
- Trading automatizzato di azioni: progettate per ottimizzare i portafogli di azioni, le piattaforme di trading ad alta frequenza basate sull’intelligenza artificiale effettuano migliaia o addirittura milioni di operazioni al giorno senza l’intervento umano.
- Rilevamento delle frodi: le banche e altri istituti finanziari possono utilizzare l’apprendimento automatico per individuare transazioni sospette. L’apprendimento supervisionato può addestrare un modello utilizzando informazioni su transazioni fraudolente note. Il rilevamento delle anomalie può identificare le transazioni che sembrano atipiche e meritano ulteriori indagini.
Con lo sviluppo della tecnologia di apprendimento automatico, ci ha sicuramente semplificato la vita. Tuttavia, l’implementazione dell’apprendimento automatico nelle aziende ha anche sollevato una serie di preoccupazioni etiche sulle tecnologie di intelligenza artificiale, soprattutto per quanto riguarda l’impatto sui posti di lavoro. La sfida più grande con l’intelligenza artificiale e il suo effetto sul mercato del lavoro sarà aiutare le persone a passare a nuovi ruoli.
