Qual è la definizione di machine learning?
Gli algoritmi di apprendimento automatico utilizzano le statistiche per trovare modelli in enormi* quantità di dati. E i dati, qui, comprendono molte cose: numeri, parole, immagini, clic, cosa hai. Se può essere archiviato digitalmente, può essere inserito in un algoritmo di apprendimento automatico.
L’apprendimento automatico è il processo che alimenta molti dei servizi che utilizziamo oggi: sistemi di raccomandazione come quelli su Netflix, YouTube e Spotify; motori di ricerca come Google e Baidu; feed di social media come Facebook e Twitter; assistenti vocali come Siri e Alexa. L’elenco continua.
In tutti questi casi, ogni piattaforma raccoglie quanti più dati possibili su di te (quali generi ti piace guardare, quali link stai facendo clic, a quali stati stai reagendo) e utilizza l’apprendimento automatico per fare un’ipotesi altamente istruita su ciò che stai potrebbe volere il prossimo. Oppure, nel caso di un assistente vocale, su quali parole corrispondono meglio ai suoni divertenti che escono dalla tua bocca.
Che cos’è l’apprendimento profondo?
Il deep learning è l’apprendimento automatico con steroidi: utilizza una tecnica che offre alle macchine una maggiore capacità di trovare e amplificare anche i modelli più piccoli. Questa tecnica è chiamata rete neurale profonda, profonda perché ha molti, molti strati di semplici nodi computazionali che lavorano insieme per sgranocchiare i dati e fornire un risultato finale sotto forma di previsione.
Cosa sono le reti neurali?
Le reti neurali erano vagamente ispirate dal funzionamento interno del cervello umano. I nodi sono un po’ come i neuroni e la rete è un po’ come il cervello stesso.
Che cos’è l’apprendimento supervisionato?
Un’ultima cosa che devi sapere: l’apprendimento automatico (e profondo) è disponibile in tre versioni: supervisionato, non supervisionato e rinforzo. Nell’apprendimento supervisionato, il più diffuso, i dati sono etichettati per indicare alla macchina esattamente quali schemi dovrebbe cercare. Pensalo come qualcosa come un cane da fiuto che darà la caccia ai bersagli una volta che conosce l’odore che sta cercando. Questo è quello che stai facendo quando premi play su uno spettacolo Netflix: stai dicendo all’algoritmo di trovare programmi simili.
Che cos’è l’apprendimento non supervisionato?
Nell’apprendimento non supervisionato, i dati non hanno etichette. La macchina cerca solo i modelli che riesce a trovare. È come lasciare che un cane annusi tonnellate di oggetti diversi e ordinarli in gruppi con odori simili. Le tecniche non supervisionate non sono così popolari perché hanno applicazioni meno ovvie.
Che cos’è l’apprendimento per rinforzo?
Infine, abbiamo l’apprendimento per rinforzo , l’ultima frontiera del machine learning. Un algoritmo di rinforzo impara per tentativi ed errori per raggiungere un obiettivo chiaro. Prova molte cose diverse e viene premiato o penalizzato a seconda che i suoi comportamenti lo aiutino o gli impediscano di raggiungere il suo obiettivo. È come dare e trattenere dei bocconcini quando si insegna a un cane un nuovo trucco. L’apprendimento per rinforzo è la base di AlphaGo di Google, il programma che notoriamente ha battuto i migliori giocatori umani nel complesso gioco di Go.
Tutto questo gioco di Algoritmi sta prepotentemente entrando nella Sanita’
