L'intelligenza artificiale non è magica: ecco come impara

Di Oluwole Akinwale, Manager, Professional Services

Probabilmente hai sentito dire che "l'intelligenza artificiale sta imparando", ma cosa significa veramente? Come imparano le macchine, in primo luogo?

La risposta risiede nel cosiddetto apprendimento automatico, un processo che insegna ai computer a riconoscere schemi, prendere decisioni e persino migliorare nel tempo senza bisogno di riprogrammarli da zero.

Proviamo a spiegarlo in termini semplici.

Cos'è l'apprendimento automatico?

Pensa all'apprendimento automatico come all'addestramento di un cane. Non spieghi tutto a parole: mostri, premi e ripeti. Il cane impara i comandi riconoscendo degli schemi. L'apprendimento automatico funziona allo stesso modo: forniamo a un computer molti esempi (dati) e lui impara da essi usando algoritmi (istruzioni passo passo). Col tempo, migliora nell'individuare gli schemi man mano che gli forniamo più dati. È come quando diciamo "la pratica rende perfetti" – ti suona familiare? Ora parliamo dei quattro modi principali in cui le macchine apprendono.

I 4 modi principali in cui le macchine apprendono

Impariamo tutti a modo nostro: alcuni leggendo, altri guardando e, se siete come me, rimboccandovi le maniche e facendo. I sistemi di intelligenza artificiale non sono poi così diversi. Possiamo addestrarli nei seguenti modi, a seconda del compito che vogliamo che svolgano.

1. Apprendimento supervisionato

Immaginate un insegnante che guida il suo studente mostrandogli domande di esempio e le risposte corrette. È così che funziona questo tipo di apprendimento automatico: addestriamo l'IA fornendole numerosi esempi etichettati, in modo che impari cosa è corretto riconoscendo gli schemi in quelle risposte.

Immaginiamo di voler far riconoscere all'IA le foto di cani e gatti. Analizziamo ogni foto e le etichettiamo: "questo è un gatto", "questo è un cane". Quindi inseriamo migliaia di queste immagini etichettate nel sistema. Dopo aver visto un numero sufficiente di esempi, la macchina inizia a capire come distinguerli da sola.

2. Apprendimento senza supervisione

Ricordi quelle volte in cui i tuoi genitori o insegnanti ti lasciavano capire le cose da solo? Scommetto che lo odiavi! Questo tipo di apprendimento automatico funziona in modo simile.

Forniamo all'IA molti dati, ma nessuna risposta: deve interpretarli individuando schemi o gruppi. Ad esempio, potremmo pensare: perché non fornirle migliaia di registri di spesa dei clienti senza etichette? Potrebbe raggruppare i clienti in base alle loro abitudini di spesa o preferenze, una vera delizia per i nostri colleghi del marketing e, naturalmente, per chiunque utilizzi sistemi di raccomandazione.

3. Apprendimento per rinforzo

Da padre di tre figli, questo mi ricorda quando i miei bambini imparavano a camminare. Li ho visti cadere diverse volte, ma ogni volta si riadattavano e cadevano di nuovo prima di riuscire a camminare correttamente.

Si tratta di sperimentare, fallire e migliorare. Gli errori non sono battute d'arresto, ma trampolini di lancio verso il successo. Questo non è un pezzo motivazionale, quindi torniamo all'IA. L'apprendimento rinforzato è simile all'apprendimento per tentativi ed errori, ma con l'aggiunta di ricompense e penalità. Pensate a un robot che impara a preparare una torta senza una ricetta.

La prima volta, potrebbe aggiungere troppa farina o dimenticare il lievito. La torta risulta densa o non lievita. La volta successiva, si regola: magari un po' meno farina, un po' più zucchero. A ogni tentativo, impara da cosa è andato storto e si avvicina sempre di più alla torta perfetta.

4. Apprendimento semi-supervisionato

Mmm! Questa è come la tua grigliata mista preferita, ma con solo due ingredienti: bistecca e salsiccia, pollo e costoletta di agnello, costoletta di maiale e pancetta, oppure pesce e gamberi. Nell'apprendimento semi-supervisionato, il mix è Guida e Supposizioni.

È qui che impieghiamo la guida dell'apprendimento supervisionato in combinazione con le ipotesi dell'apprendimento non supervisionato. Alimentiamo il sistema con alcuni dati etichettati (con risposte) e una quantità maggiore di dati non etichettati (senza risposte).

Immagina di aver etichettato 100 immagini mediche come "tumore" o "nessun tumore", ma di averne altre 1,000 senza etichetta. L'intelligenza artificiale può imparare dai pochi esempi etichettati e poi applicare tale apprendimento per dare un senso al resto.

Con la maturazione dell'intelligenza artificiale, sono emerse strategie di apprendimento più specializzate, che aiutano le macchine ad apprendere in modo più rapido, intelligente ed etico. Non vi annoierò con i dettagli.

Ora concludiamo spiegando perché è importante comprendere l'apprendimento automatico.

Perchè importa?

Capire come l'intelligenza artificiale impara non è solo un discorso tecnico: ha un impatto sulla nostra vita quotidiana più di quanto immaginiamo:

Esperienze personalizzate
Dai consigli di Netflix alla tua playlist di Spotify, l'intelligenza artificiale impara cosa ti piace e te ne offre di più. Spero che mi faccia guadagnare di più. 🙂

Migliore assistenza sanitaria
Immaginate la differenza che farebbe nelle nostre vite se addestrassimo modelli di intelligenza artificiale su dati medici, così da aiutarci a rilevare le malattie in fase precoce e a suggerire trattamenti più accurati.

Decisioni aziendali più intelligenti
Come imprenditore, mi piace comprendere il comportamento dei clienti, prevedere le tendenze e ottimizzare le operazioni. Sembra una storia utente su una board di Jira. Beh, l'intelligenza artificiale può contribuire a soddisfare anche questo requisito.

Tecnologia più sicura
In settori come le auto a guida autonoma o l'individuazione delle frodi, il modo in cui un'intelligenza artificiale viene addestrata determina la sua capacità di individuare pericoli o attività insolite.

Responsabilità etica
Questo è un argomento che mi appassiona molto. Capire come viene addestrata l'intelligenza artificiale ci aiuta a porci le domande giuste sulla privacy dei dati, l'equità e la parzialità, che avranno un impatto su tutti noi.

In breve: più comprendiamo come apprende l'intelligenza artificiale, meglio potremo definire il modo in cui funziona per noi e con noi.