Tag Blog

Machine Learning

Il deep learning: cos’è e come funziona

Il deep learning, la cui traduzione letterale è “apprendimento profondo”, è una sottocategoria del machine learning e del più ampio mondo dell’intelligenza artificiale. Si tratta di un tipo di apprendimento automatico in cui i computer formano grandi reti neurali artificiali simili a quelle del cervello umano. Il concetto alla base è molto semplice: quando si espone una nozione, la si apprende e subito dopo ne si espone un’altra. Il cervello raccoglie l’input della prima e la elabora insieme alla seconda, trasformandola e astraendola sempre di più. Il deep learning agisce in maniera speculare al cervello umano. In ingresso ad una rete neurale spesso si trova un vettore numerico, che può rappresentare diverse tipologie di dati: pixel, segnali audio, segnali video o parole e cosi via. L'output generato dalla rete neurale non è altro che la trasformazione che subisce il vettore in input, mediante una serie di funzioni che lo rielaborano. Concretamente, ciò può avvenire quando l’input di ingresso alla rete neurale è un'immagine. La rete neurale, sulla base di alcune funzioni, la rielabora per individuare se, ad esempio, nella foto ci siano o meno delle automobili. Il deep learning ha influenzato le applicazioni industriali come mai era successo prima al machine learning in quanto, a differenza di quest’ultimo, risulta essere molto più scalabile. Esso è, quindi, in grado di trattare un enorme quantità di dati e riconoscere alcune caratteristiche discriminative. I principali compiti che il deep learning è in grado di affrontare sono: le ricerche basate su testo, l’individuazione di frodi o spam, il riconoscimento delle scritte, la ricerca delle immagini, il riconoscimento del parlato, i recommendation system, la street view detection e la traduzione di lingue. In conclusione, Il deep learning sta accompagnando e accompagnerà lo sviluppo di moltissimi settori applicativi, in particolare quello delle auto a guida autonoma.

Evoluzione e Rivoluzione dell’intelligenza Artificiale

Nell’ultimo decennio è cresciuto in maniera esponenziale l’interesse della collettività nei confronti della Intelligenza Artificiale. Sono sempre più numerose le aziende che decidono di investire in sistemi e soluzioni di Artificial Intelligence, diventando inevitabilmente parte integrante della vita quotidiana. Che cos’è L’intelligenza Artficiale? Nonostante un ampio dibattito in campo scientifico, ancora oggi non esiste una definizione univoca di Artificial Intelligence. Quando si pensa a Intelligenza Artificiale vengono in mente scenari fantascientifici o futuristici, nei quali le macchine diventano “intelligenti” come l’uomo, in grado di svolgere i suoi stessi compiti fino a sostituirlo in parte o del tutto. Robot che si confrontano con gli esseri umani, li aiutano, prevedono i loro comportamenti e addirittura mostrano empatia nei loro riguardi. L’intelligenza artificiale si può applicare ad una serie di attività tecnologiche, quali: Natural Language Processing, è l’elaborazione del linguaggio naturale, ovvero il processo di trattamento automatico mediante un calcolatore elettronico delle informazioni scritte o parlate in una lingua naturale. In sostanza il NLP abilita una macchina a comprendere un testo, ma le garantisce anche capacità di espressione. Per esempio consente di fare la Speech Recognition, trascrizione e trasformazione di discorsi di esseri umani per applicazioni informatiche. È attualmente usata nei sistemi di risposta vocale interattivi. Piattaforme di machine learning, è un settore dell’informatica che dà ai computer la capacità di imparare senza essere stati esplicitamente programmati. In pratica consiste nella capacità di un algoritmo di apprendere dai dati, ovvero di evitare gli errori commessi in precedenza. Le piattaforme di machine learning sono utilizzate in una vasta gamma di applicazioni per le imprese, principalmente per quanto riguarda previsioni e classificazioni di vario tipo. AI-optimized Hardware, unità di elaborazione grafica (Gpu) e dispositivi specificamente disegnati e costruiti per eseguire in modo efficiente lavori di computazione. Queste sono alcune delle innovazioni nate grazie al sistema di “Artificial Intelligence”, ma non esauriscono il campo di applicazione. Come anticipato in precedenza, negli ultimi anni anche i colossi Bancari, le più importanti aziende informatiche e case automobilistiche stanno investendo soldi e risorse per garantire all’utente finale servizi tecnologici di ultimissima generazione. Google, ad esempio, quest’anno, ha presentato “Google Duplex”. Applicazione in grado di effettuare chiamate “meccaniche” al posto del proprietario dello smartphone. Sarà facile, quindi, prenotare un tavolo al ristorante o un appuntamento dal parrucchiere. Si sta andando, in altre parole, tutti verso un’unica direzione: l’intelligenza Artificiale equiparata all’essere umano.

Il Machine Learning

  Il Machine Learning insegna a dispositivi mobile, computer, robot e altro a fare azioni ed attività in modo naturale. In sostanza, i Machine Learning usano metodi matematico-computazionali per apprendere informazioni direttamente dai dati, senza modelli matematici ed equazioni predeterminate. Questi algoritmi migliorano le loro prestazioni in modo del tutto automatico mano a mano che acquisiscono più esperienza e quindi “esempi” da cui apprendere. La startup londinese Tessian (fondata nel 2013 da tre laureati in ingegneria) sta implementando il Machine Learning per migliorare la sicurezza della posta elettronica. Tessian si basa sul presupposto che gli esseri umani sono l'anello debole nell'e-mail aziendale e nella sicurezza dei dati. Questo può essere dovuto a errori, come un destinatario erroneamente inteso, o attraverso una nefanda attività dei dipendenti. Applicando il Machine Learning al monitoraggio della posta elettronica aziendale, la startup ha sviluppato vari strumenti per aiutare a prevenire questo. Una volta installato nei sistemi di posta elettronica di un'azienda, la tecnologia di apprendimento automatico di Tessian analizza le reti di posta elettronica per comprendere schemi e comportamenti di invio e-mail normali e anormali. Quindi tenta di rilevare le anomalie nelle e-mail in uscita e avvisa gli utenti di potenziali errori prima che venga inviata un'e-mail. Questo utilizzo lo rende diverso dalle tecnologie basate su regole legacy e che Tessian richiede. Quindi non necessita di nessun amministratore di sicurezza e nessun cambiamento di comportamento dell'utente finale. Oltre all’applicazione nelle email come implementato da Tessian, il Machine Learning è presente e applicabile anche in altri settori. Alcuni esempi si ritrovano nell’utilizzo dei motori di ricerca, o riconoscimento vocale, o ancora nelle auto con guida automatica che, proprio attraverso il Machine Learning, imparano a riconoscere l’ambiente circostante con i dati raccolti da sensori. Un’altra applicazione sono i sistemi di raccomandazione che, sfruttano il Machine Learning imparando dal comportamento e dalle preferenze degli utenti che navigano su siti web, piattaforme o App; come Amazon, Spotify e altri. Infine, anche Google (dal 2018) e Apple (dal 2017) hanno implementato un framework Machine Learning nel proprio sdk di Android e iOS, per dare appunto la possibilità ai loro sviluppatori di sfruttare il Machine Learning nelle proprie App per renderle sempre più intelligenti e creare App con maggiori funzionalità di apprendimento automatico.    

Visualizzo 1-3 di 3 elementi.