Ci pensa il Machine Learning

[ValentinaG]

Ti sei mai chiesto come mai due persone che cercano le stesse informazioni su Google, possono ottenere risultati completamente diversi?

O perché gli advertisements su Facebook sono prettamente connessi alle tue ricerche recenti?

C’è forse una fatina che ogni lunedì notte, sceglie la tua personalissima Discover Weekly su Spotify, sulla base dei tuoi gusti e recenti ascolti? Beh, anche se ci fosse una fatina, non avrebbe tutto il tempo necessario per creare playlist personalizzate per ogni singolo utente.

A tutto ciò pensa l’AI ed il machine learning. Grazie all’apprendimento automatico, l’esperienza dell’utente viene del tutto personalizzata in base alle precedenti ricerche, ai propri gusti, se non addirittura in base al momento della giornata in cui  si trova. La domenica sera, Spotify ci suggerisce la playlist ‘Thè e relax’, il lunedì mattina ‘Wake up and smell the Coffee’. Amazon sa bene che potremmo abbinare dei calzini colorati alle nuove scarpe acquistate.

L’apprendimento automatico si riferisce al processo tramite cui i computer sviluppano il riconoscimento dei modelli, ovvero la capacità di apprendere ed effettuare previsioni utilizzando i dati per poi effettuare cambiamenti in autonomia, senza essere programmati specificamente per farlo. L'apprendimento automatico, è una forma di intelligenza artificiale che automatizza in modo efficiente il processo di costruzione di modelli analitici e consente alle macchine di adattarsi a nuovi scenari in modo autonomo.

Nel 1950 Arthur Samuel, che viene considerato uno dei pionieri dell’Intelligenza Artificiale per avere programmato software in grado di giocare una partita di scacchi, dà una prima definizione di machine learning, indicando con essa quel "campo di studio che dà ai computer l’abilità di apprendere (a realizzare un compito) senza essere esplicitamente programmati a farlo”.  Permette dunque ai computer di individuare informazioni anche sconosciute senza che venga loro segnalato esplicitamente dove cercarle.

Obiettivo ultimo dell’apprendimento automatico è quello di classificare nuovi dati, capendone la struttura ed i modelli nuovi. Uno degli aspetti più importanti del machine learning è la ripetitività, perché più i modelli sono esposti ai dati, più sono in grado di adattarsi in modo autonomo. I computer imparano quindi da elaborazioni precedenti, ovvero da esempi, per produrre risultati e prendere decisioni affidabili. Più esempi si hanno e migliore e l’adattamento nei confronti del dato. In statistica predittiva,  la differenza sta nel fatto che l’anomalo tende ad essere eliminato mentre il machine learning lo incorpora, lo conserva e sfrutta la conoscenza per poter nuovamente affrontare l’anomalia qualora si presenti nel futuro.

L’apprendimento automatico può essere supervisionato o non supervisionato. Con l’apprendimento supervisionato si  costruisce un modello partendo da dei dati etichettati, con i quali si cerca di fare previsioni su dati futuri.  Vengono forniti alla macchina un certo numero di esempi di input e dei rispettivi output ed essa deve individuare ed imparare le regole che li collegano per essere in grado di fornire gli output per nuovi input. Con supervisione si intende quindi che nel nostro dataset, i segnali di output desiderati sono già noti poiché precedentemente etichettati.

Nell’ apprendimento senza supervisione, al contrario, si hanno dei dati non strutturati. Viene fornita alla macchina solo una serie di input da cui essa deve estrarre pattern e strutture che li collegano. In questo caso non si può contare su una variabile nota relativa al risultato o su di una funzione di ricompensa.

Spesso ci si sorprende vedendo che ciò che abbiamo cercato sul nostro smartphone due giorni fa, appare automaticamente tra le ricerche del nostro personal computer, e ci sembra assurdo che il volo per il Giappone di cui abbiamo parlato fino a pochi minuti prima in chat con un nostro amico, appaia in un banner pubblicitario durante le nostre navigazioni online, se non addirittura suggerimenti per un possibile pernottamento in un albergo.

Il machine learning è alla base di tutto questo. È come un amico che vuole semplificarci la vita, anticipare le nostre mosse per poi darci i migliori consigli. Ci ascolta, ci sente e percepisce i nostri bisogni ancora prima di noi stessi. Quanta fiducia si può dare ad un amico così attento ed estremamente premuroso?