Ultimamente, soprattutto in campo tecnologico e informatico, si sente parlare spesso di machine learning. Il più delle volte, questa tematica viene associata al progresso tecnologico, ad un punto sempre più alto che viene raggiunto dalle apparecchiature tecnologiche che giornalmente vedono la luce nel grande mercato della tecnologia.

Ma esattamente, a cosa ci si riferisce quando si parla di machine learning? Il sito di Intelligenza Artificiale, concepisce il machine learning come una branca dell'informatica facente parte dell'intelligenza artificiale, trovandosi perfettamente in linea con la sua definizione:

Il machine learning, come detto sopra, è una branca dell'informatica che appartiene strettamente al campo dell'intelligenza artificiale. L'argomento in questione, nonostante la sua specificità, non è facilmente descrivibile senza dover obbligatoriamente scendere in termini tecnici inevitabili. Questo, poiché si tratta di una materia estremamente complessa, e ancora oggi non del tutto sdoganata. Dagli strumenti alle tecniche che comportano questo processo, il coefficiente di difficoltà è elevato.

Riducendo il ruolo del machine learning nella tecnologia odierna, si può dire che tale principio rende le "macchine" consapevoli e capaci di migliorare le proprie capacità nel corso del breve o lungo periodo. Di conseguenza, nel corso di questo complicato procedimento, una determinata apparecchiatura diviene capace di svolgere alcune funzioni in maniera totalmente autonoma, proprio tramite l'ausilio di questa tipologia di apprendimento.

Nel caso in cui l'argomento in questione dovesse essere ancora chiaro, cosa del tutto plausibile, il video di Alberto Olla in merito al tema risulta essere esaustivo e ricco di approfondimenti dettagliati. Nel video in questione, infatti, potrete trovare delucidazioni e metodologie a livello basilare riguardanti l'apprendimento al quale vengono esposte le macchine, così definite in gergo tecnico.

Machine Learning: quando è nato e grazie a chi

Storicamente, il machine learning è un argomento che si è sviluppato nell'ultimo periodo risalente agli anni '50. Stando a quanto viene evidenziato da Wikipedia, sotto la dicitura italianizzata di "apprendimento automatico", questo particolare fenomeno si è inserito nel contesto tecnologico attuale grazie al contributo di alcuni studiosi del settore, tra cui Marvin Minsky, Arthur Samuel e Frank Rosenblatt.

Il loro intervento, è scaturito in seguito all'esigenza di far apprendere alle macchine delle funzioni particolari ricorrendo all'utilizzo dei dati. L'approccio che venne tentato inizialmente, fu quello delle reti neurali:

Nel campo dell'apprendimento automatico, una rete neurale artificiale (in inglese artificial neural network, abbreviato in ANN o anche come NN) è un modello computazionale composto di "neuroni" artificiali, ispirato vagamente dalla semplificazione di una rete neurale biologica.

Questi modelli matematici sono troppo semplici per ottenere una comprensione delle reti neurali biologiche[1][2], ma sono utilizzati per tentare di risolvere problemi ingegneristici di intelligenza artificiale come quelli che si pongono in diversi ambiti tecnologici (in elettronica, informatica, simulazione, e altre discipline).

Circa trent'anni dopo, il modello passato venne abbandonato per poter fare spazio al campo dell'intelligenza artificiale, con una programmazione logica decisamente più sofisticata e mirata al raggiungimento degli obiettivi prefissati.

Il procedimento di ricerca effettuato in materia, a causa di alcune interpretazioni non verificate in tempo, ha subito qualche rallentamento. Tuttavia, nel corso degli anni '90 tale scuola di pensiero ha ritrovato il suo spazio, riprendendo un'impronta rivolta alla statistica e ai problemi di natura pratica, abbandonando definitivamente il modello precedentemente proposto.

Stando a quanto viene elencato da varie fonti autorevoli del settore, ad aver sottolineato l'esigenza di una soluzione efficace a dei problemi pratici fu Alan Turing, considerato dall'unanimità come uno dei padri fondatori dell'informatica.

Machine Learning: come si svolge il suo funzionamento?

Il machine learning, essendo una materia estremamente complicata, suddivide il proprio raggio d'azione in tre categorie ben distinte, come evidenzia anche il sito di Ai4business. Le seguenti sottocategorie, come è facile intuire, vanno a comporre nel loro insieme i principi di funzionamento del machine learning:

• Apprendimento supervisionato
• Apprendimento non supervisionato
• Apprendimento per rinforzo

Vengono evidenziate anche altre modalità di apprendimento, che non rientrano tuttavia tra le categorie principali evidenziate sopra. Prima di procedere con la spiegazione dettagliata di ogni metodologia evidenziata, è bene specificare che ciò dipenda a seconda della macchina presa in esame, avendo ogni dispositivo delle caratteristiche differenti.

L'apprendimento supervisionato, come prima categoria, consiste nel dotare una macchina delle informazioni necessarie per poter avere nel proprio bagaglio conoscitivo delle esperienze. Questo, col fine di poter risalire a tali informazioni ed esperienze pregresse non appena si verificherà un'eventualità congrua alle informazioni in possesso.

L'apprendimento non supervisionato, invece, consiste nel far sì che la macchina possa utilizzare le informazioni di cui dispone senza la loro codifica. Questo, per far sì che la libertà di scelta sia maggiore in ogni suo aspetto, e che lasci soprattutto la più completa autonomia alla macchina presa in esame.

Ultimo ma non per importanza, l'apprendimento per rinforzo. Probabilmente, tra quelli elencati, è la metodologia più complessa. Gli elementi di supporto forniti alla macchina, dai quali proviene la caratteristica di rinforzo, rendono la macchina capace di adattarsi all'ambiente circostante senza alcuna difficoltà.

Come vedremo in seguito, i seguenti metodi sono in grado di utilizzare le macchine per diversi scopi, che al giorno d'oggi sono sotto gli occhi di tutti. Tale componente, nonostante il suo forte impatto, è ancora oggi abbastanza sottovalutata a causa della poca informazione presente in merito. Ma come avremo modo di capire, il machine learning fa parte della nostra quotidianità a tutti gli effetti.

Come il Machine Learning influisce nella quotidianità

Il machine learning, come detto sopra, influisce in maniera determinate nella vita quotidiana di ogni essere umano. La maggior parte dei servizi di cui facciamo attualmente uso, infatti, si serve sapientemente di questa tecnologia sofisticata, che permette di intercettare le necessità delle persone e soddisfarle al meglio delle aspettative.

Erroneamente, per via del pensiero comunemente attribuito a questa materia, si associa questa tipologia di apprendimento a delle meccaniche complesse e di conseguenza lontane dalla vita delle persone comuni. Analizzando la situazione in maniera più attenta, si può arrivare a capire che tale materia è in realtà perfettamente inserita in ogni aspetto comunemente definito "normale".

Uno degli esempi più frequenti, quando ci si riferisce a determinati meccanismi, è quello del riconoscimento vocale. I dispositivi che supportano questa funzione, infatti, sono sempre più numerosi, e il loro numero è in costante aumento. Anche la domotica è un settore che si sta dotando di queste funzionalità, col fine di migliorare e perfezionare l'interazione tra uomo e macchina, in un connubio di efficacia che mira sempre di più al massimo splendore.

Un'altra ricorrenza, è quella delle pubblicità basate interamente sull'interesse dell'utente, tramite i dati che continuamente vengono profilati lungo la fitta rete strutturata e composta dal mondo di internet. Tale procedura, avviene tramite l'analisi dei dati di cui si dispone, ed è il risultato finale di un'operazione dettata dall'apprendimento di una macchina. 

Machine learning: esempi e settori di utilizzo

Il machine learning, al giorno d'oggi, trova sempre più settori disposti a supportare tale innovazione tecnologica. Per esempio, quello automobilistico. Il sito di Start2impact, tramite un contenuto dedicato, evidenzia come un tale George Hotz fu in grado di costruire un sistema di guida del tutto automatico.

In che modo? Proprio grazie al machine learning, il cui sistema è stato totalmente in grado di identificare gli ostacoli presenti sul tragitto, ed evitarli di conseguenza. Un altro settore nel quale viene ripiegato l'utilizzo del machine learning, è quello del campo medico.

I progressi continui in materia, hanno saputo evidenziare una crescita non indifferente per le nuove tecnologie. Un esempio eclatante, è quello relativo alle diagnosi da sottoporre ai pazienti, grazie alla capacità delle macchine di identificare le varie patologie, e diagnosticarle con la dovuta efficacia. Un altro utilizzo ricorrente, è per contrastare i tentativi di frode, le quali avvengono solitamente tramite un subdolo furto di dati ai danni del proprietario di un conto bancario, o di qualsiasi altro tipo di account.

Machine learning, le conclusioni finali

Il campo del machine learning, nonostante la sua complessità, risulta essere particolarmente affascinante anche per coloro che non sono propriamente appartenenti alla tematica di cui si parla. Questo, poiché è un elemento presente nelle nostre vite di tutti i giorni.

Senza che la maggior parte delle persone ci faccia caso, ogni azione e funzione degli apparecchi di cui disponiamo è oggetto principale di un procedimento di apprendimento automatico, il quale viene introdotto e perfezionato proprio da queste tecnologie.