Machine Learning: come funziona e quali sono le sue applicazioni

Il Machine Learning è una branca dell’informatica che si configura come una serie di meccanismi che permettono a computer e robot di migliorare le proprie capacità e prestazioni.

In altre parole, grazie a questo sistema, le intelligenze artificiali sono in grado di agire in modo naturale imparando dall’esperienza al pari di animali ed esseri umani.

L’algoritmo reagisce all’ambiente andando a modificare il proprio comportamento in base ai feedback ricevuti dall’esterno.

L’apprendimento automatico – Machine Learning – ha la caratteristica di imparare senza dover essere programmato ad hoc, partendo da nozioni primitive, e di prendere decisioni in maniera del tutto autonoma.

Il Machine Learning funziona in linea di principio sulla base di 3 modelli di apprendimento

– Apprendimento supervisionato: secondo questo modello il sistema informatico della macchina dispone di esempi specifici e codificati da utilizzare come indicazione per eseguire il compito richiesto. Tra i settori che sfruttano prevalentemente questo sistema di apprendimento c’è, ad esempio,  quello medico.

– Apprendimento non supervisionato: la macchina in questo caso lavora senza alcun aiuto esterno. Utilizza le informazioni senza poter attingere ad alcun esempio del loro utilizzo. Questo modello offre alla macchina la libertà di rispondere agli input in maniera autonoma.

– Apprendimento per rinforzo: in questo caso la macchina riceve rinforzi dall’ambiente circostante grazie a sensori, telecamere, GPS integrati. Un esempio di applicazione dell’apprendimento per rinforzo molto nota è l’auto senza pilota.

Molti sono i campi di applicazione anche di uso quotidiano, ecco alcuni esempi:

– Riconoscimento vocale: gli smartphone ad esempio sfruttano questa tecnologia.

– Motori di ricerca: sono gli stessi algoritmi del Machine Learning a restituire liste di risultati una volta effettuata la ricerca inserendo delle parole chiave.

– Filtri anti-spam delle email: il riconoscimento e l’intercettazione di sistemi fraudolenti o sospetti sfrutta i sistemi di Machine Learning dove gli algoritmi, mettendo in correlazione le abitudini degli utenti con gli eventi ecc., riescono a identificare comportamenti anomali e che si discostano da quelli usuali dell’utente.

– Ricerca scientifica in campo medico: molto interessanti gli sviluppi e le applicazioni in area medica, dove gli algoritmi imparano a fare previsioni sempre più accurate per prevenire la diffusione di epidemie oppure a diagnosticare tumori o malattie rare tempestivamente.

– Auto senza pilota: i sistemi che si basano sull’apprendimento con rinforzo imparano a riconoscere l’ambiente circostante grazie ai sensori integrati per affrontare gli ostacoli.