L'apprendimento automatico può sembrare un corso che devi seguire per lavorare in una fabbrica, ma in informatica è un sottogruppo dell'intelligenza artificiale (AI). In poche parole, consente ai sistemi di migliorare le prestazioni imparando dalle esperienze e dai dati. Questo sottogruppo dell'AI è talmente radicato nel software moderno che molte tecnologie esistenti, che diamo per scontate, non sarebbero possibili senza di esso.
Che cos'è esattamente l'apprendimento automatico (con esempi)?
Allora, che cos'è esattamente l'apprendimento automatico (ML), e perché è così importante? Bene, ML è un'applicazione dell'AI e un ramo dell'informatica che permette ai sistemi di apprendere dall'esperienza, dai dati e dagli algoritmi per migliorare l'accuratezza. Curiosamente, gli sviluppatori non devono programmare esplicitamente le macchine per sfruttare ML — i computer possono imparare da soli senza intervento umano.
Tecnologie moderne come chatbot, assistenti virtuali, software antivirus proattivi e altro, si basano pesantemente sull'apprendimento automatico. Ad esempio, i veicoli autonomi utilizzano molti algoritmi di ML, basati su modelli di apprendimento sia supervisionati che non supervisionati, per decidere quali azioni intraprendere allo scopo di guidare come o meglio degli esseri umani.
Analogamente, la cybersecurity per le aziende, come Endpoint Detection and Response (EDR), può utilizzare l'apprendimento automatico per rilevare malware sconosciuti e trovare minacce "zero-day" sconosciute identificando schemi dannosi. Questo è solo la punta dell'iceberg riguardante come l'apprendimento automatico influenzerà la cybersecurity in futuro.
ML e AI permettono anche la comunicazione tra macchine senza intervento umano. Tali applicazioni machine-to-machine (M2M) possono aiutare i sistemi di gestione della catena di fornitura o dei magazzini a monitorare l'inventario in modo efficiente. Allo stesso modo, le applicazioni M2M aiutano le aziende energetiche a gestire l'approvvigionamento più precisamente inviando dati raccolti da fonti di energia a computer remoti per l'analisi.
Quali sono alcuni metodi comuni di apprendimento automatico?
Apprendimento automatico supervisionato
L'apprendimento supervisionato è quando dataset etichettati addestrano algoritmi sotto un supervisore. I dati supervisionati sono più comuni di altri metodi di apprendimento perché possono essere più efficienti. Un esempio di questo tipo di ML è quando gli algoritmi possono classificare lo spam nella tua casella di posta.
Apprendimento automatico non supervisionato
L'apprendimento non supervisionato è quando un algoritmo lavora con dati non etichettati senza supervisione. Deve determinare da solo come elaborare le informazioni. I ricercatori possono utilizzare l'apprendimento non supervisionato per trovare schemi e raggruppamenti di dati in dataset non etichettati senza intervenire. Ovviamente, un analista dei dati potrebbe ancora dover convalidare le raccomandazioni di apprendimento automatico non supervisionato.
Apprendimento automatico semi-supervisionato
L'apprendimento semi-supervisionato equilibra l'apprendimento supervisionato e non supervisionato addestrando algoritmi con dati etichettati e non etichettati. Solitamente, il volume dei dati etichettati è minore, mentre quello dei dati non etichettati è molto maggiore. Un'applicazione dell'apprendimento semi-supervisionato è in un ospedale, dove un radiologo etichetta un piccolo numero di scansioni per malattie per aiutare le macchine a estrarre informazioni pertinenti da un volume maggiore.
Apprendimento automatico per rinforzo
L'apprendimento per rinforzo è come l'apprendimento supervisionato, tranne per il fatto che l'algoritmo apprende attraverso tentativi ed errori e premi ritardati invece che da dati di esempio. Ad esempio, un veicolo autonomo può imparare attraverso errori in un ambiente di addestramento quali decisioni sono indesiderabili. Allo stesso modo, un sistema sanitario può utilizzarlo per determinare le politiche ottimali basandosi su esperienze passate.
Qual è la differenza tra intelligenza artificiale e apprendimento automatico?
Quando si cerca AI vs apprendimento automatico, si può notare che alcune persone usano erroneamente i termini in modo intercambiabile. L'AI è fondamentalmente un termine ombrello per l'intelligenza sintetica. Nel frattempo, l'apprendimento automatico è un focus dell'AI che permette alle macchine di apprendere dalle esperienze e dai dati senza che qualcuno le programmi o le assista per farlo. Una macchina che usa AI potrebbe non avere necessariamente capacità di ML. Ad esempio, nel 1996, il sistema di gioco degli scacchi Deep Blue dell'IBM usò più AI e meno ML per sconfiggere il grande maestro russo Garry Kasparov valutando in tempo reale innumerevoli mosse.
Quali settori utilizzano l'apprendimento automatico?
- I governi utilizzano l'apprendimento automatico per le utilities, la sicurezza pubblica, il rilevamento delle frodi o il controllo delle frontiere analizzando un enorme volume di dati.
- Le aziende sanitarie utilizzano l'apprendimento automatico per migliorare la diagnosi e il trattamento e sviluppare dispositivi di monitoraggio della salute precisi.
- Le aziende del settore retail possono migliorare gli obiettivi di marketing mirati analizzando i modelli di acquisto dei clienti.
- Il settore energetico trova risorse in modo più efficiente con algoritmi di apprendimento automatico.
- Molte aziende nel settore dei trasporti, come le aziende di consegna, le imprese di ride-sharing e il trasporto pubblico, utilizzano computer per trovare percorsi ideali per migliorare i servizi, la redditività e la riduzione dell'impronta di carbonio.
- L'industria finanziaria utilizza l'apprendimento automatico per migliorare la cybersecurity e le intuizioni essenziali sui dati.
Netflix utilizza l'apprendimento automatico?
Sì, Netflix utilizza ML per molte applicazioni. Una delle più evidenti è il loro sistema di raccomandazione dei contenuti. Il sistema utilizza ML per esaminare le tue preferenze di genere, la cronologia delle visualizzazioni e la cronologia delle visualizzazioni di utenti con gusti simili per suggerirti film, serie e documentari da provare.