Machine Learning (Tecniche di ragionamento e apprendimento)

I sottotitoli italiano, inglese, francese, spagnolo, portoghese, tedesco, giapponese, coreano, cinese e indiano sono tradotti in automatico (seleziona impostazioni video)

Il termine Machine learning [8.1] è spesso utilizzato per indicare tecniche di ragionamento e apprendimento, inteso come un processo che usa tecniche computazionali per consentire ai sistemi di apprendere da dati o esperienze e poterli utilizzare. Particolarmente rilevante per il Machine learning (ML) la valutazione della qualità dei dati di input/output e il raggiungimento di un grado di fiducia e affidabilità dei risultati.
Per tecniche computazionali si possono intendere semplicemente le tecniche che utilizzano i computer per risolvere problemi matematici, statistici, ecc. che non sarebbe possibile risolvere manualmente o che richiederebbero molto tempo. Le interazioni tra le Machine Learning e l’Uomo sono facilitate dai progressi dell’elaborazione di tecniche statistiche e, non esclusivamente, del linguaggio naturale le cui regole sono basate sull’uso corrente del linguaggio senza prescrizioni specifiche e gestite dal cosiddetto Natural language processing (NLP) [8.2]. Entrambe le tecnologie sono categorizzate come tecnologie cognitive. Per il maggiore funzionamento delle stesse si aggiunge in certi casi una infrastruttura, denominata a seconda i casi Internet of things, che interconnette entità, persone, sistemi e informazioni con servizi che processano e reagiscono creando punti di unione tra il mondo fisico e il mondo virtuale [8.3]. Tra le applicazioni di Machine learning si collocano quelle di acquisizione di conoscenze ed esperienze relative ad un determinato fenomeno in grado di fornire un ausilio alla costruzione di modelli predittivi che possano aiutare a prevedere eventi futuri. Nel campo del software anche la manutenzione preventiva potrebbe essere ottimizzata con il supporto di sistemi machine learning: manutenzione effettuata con lo scopo di prevenire un problema prima che esso accada [8.4].
Nel quadro generale di apprendimento emerge il termine del Deep learning per denotare l’evoluzione delle tecniche di ML attraverso l’uso di reti neurali al fine di migliorare accurate decisioni autonome del sistema, addirittura con la possibilità di creare nuovi programmi o variare algoritmi. A titolo di esempio si riporta il seguente diagramma che raffigura come il risultato del Machine learning possa essere un programma, a partire da dati derivati e tarati [8.5].

Mattia De Rosa, Cloud&Enterprise Business Group Lead, Microsoft

I processi di apprendimento dell’Intelligenza artificiale sono simili a quelli umani ed è possibile programmare un computer istruendolo con degli esempi: “gli faccio vedere come sono state fatte alcune cose cose e quindi lui si fa un’idea di come andranno avanti altre: do degli input di dati, esce il programma, esce il modello” [8.6].

In passato nella programmazione tradizionale era l’opposto: i dati ed il programma erano un input e un vincolo che generavano un output determinato e univoco.

E’ forse proprio questo aspetto di autonomia, non marginale, il cuore dell’Intelligenza artificiale che pone problemi etici, di affidabilità e sicurezza, su cui si fonda anche il sentire dell’esigenza della Governance umana.

Glossario a cura di Domenico NATALE e Videoglossario a cura di Maria Chiara LORENZELLI

_______
Riferimenti bibliografici

[8.1] ISO/IEC CD 23053:2020 [under development] Framework for Artificial Intelligence, Systems using Machine Learning, op.cit. in ISO/IEC CD 22989:2020 [under development] Artificial Intelligence – Concepts and terminology

[8.2] ISO/IEC CD 22989:2020 [under development] Artificial Intelligence – Concepts and terminology

[8.3] ISO/IEC 20924:2018 Information Technology – Internet of Things (IoT) – Vocabulary

[8.4] ISO/IEC/IEEE 24765:2017 System and software engineering-Vocabulary

[8.5] Mattia De Rosa, Microsoft, presentazione “Dati, Computer Quantistici, ed Intelligenza Artificiale: dalla computazione alla comprensione“, Convegno del 17/5/2019 “Intelligenza Artificiale e Computer Quantistici”, organizzato dall’Università Pontificia Salesiana, Roma

[8.6] Federico Mattei, IBM “Intelligenza Aumentata e Computer quantistici“, Convegno del 17/5/2019 “Intelligenza Artificiale e Computer Quantistici”, organizzato dall’Università Pontificia Salesiana, Roma