Ha fatto scalpore, a inizio 2018, la notizia che due intelligenze artificiali avevano battuto un essere umano in un test di lettura e comprensione svolto dall’Università di Stanford, in California. I due sistemi, elaborati da Microsoft e dal colosso tecnologico cinese Alibaba, hanno risposto a oltre 100 mila domande su 500 articoli di Wikipedia letti in precedenza e hanno ottenuto un punteggio di poco superiore a quello di un lettore in carne e ossa. È uno dei risultati che si possono ottenere con il Machine Learning, una delle più affascinanti opportunità dell’intelligenza artificiale.
Che cos’è il Machine Learning
Questo termine fu coniato nel 1959 dallo scienziato americano Arthur Lee Samuel, con questa definizione: “un campo di studi che dà ai computer la capacità di imparare senza essere esplicitamente programmati.” Si tratta, in sostanza, dell’apprendimento automatico: come spiega Nicoletta Boldrini su AI4Business, “il Machine Learning permette ai computer di imparare dall’esperienza; c’è apprendimento quando le prestazioni del programma migliorano dopo lo svolgimento di un compito o il completamento di un’azione.” Questo accade anche quando l’esperienza è negativa o l’azione è sbagliata: come gli esseri umani, anche le macchine diventano capaci di imparare dai propri errori.
Per comprendere che cos’è il Machine Learning e a che cosa serve è utile sottolineare le differenze tra intelligenza artificiale, Machine Learning e Deep Learning:
– l’ Intelligenza Artificiale (AI) ha l’obiettivo di costruire macchine capaci di compiere compiti caratteristici dell’intelligenza umana, simulandone quindi le capacità cognitive;
– il Machine Learning (ML) realizza programmi di intelligenza artificiale che possono autonomamente scrivere altri programmi per interpretare i dati e prevedere risultati;
– il Deep Learning (DL) è l’apprendimento “profondo” che utilizza le reti neurali artificiali multistrato: sono algoritmi che imitano le strutture e il funzionamento del cervello e sono in grado di elaborare un dato iniziale in numerosi passaggi collegati tra loro, simulando il modo in cui gli esseri umani tendono a suddividere un compito complesso in diverse fasi.
Le applicazioni del Machine Learning
Il Machine Learning fa già parte della nostra vita quotidiana. Lo utilizzano, per esempio, i motori di ricerca su Internet: i risultati che otteniamo derivano da algoritmi che elaborano modelli e schemi di utilizzo delle chiavi di ricerca, così come anche per i suggerimenti che ci vengono offerti.
Sul Machine Learning e su altre tecnologie avanzate si fonda anche Amazon Go, il primo negozio senza casse aperto da Amazon a Seattle. Le automobili a guida autonoma, che tra non molto vedremo sulle strade, utilizzano applicazioni di ML sempre più perfezionate: il MIT di Boston ha elaborato un sistema che permetterà a queste vetture di orientarsi solo con sensori e GPS, evitando l’uso di mappe che potrebbero essere non aggiornate o non sufficientemente dettagliate.
Il Machine Learning è fondamentale per la protezione dei dati e la prevenzione delle frodi, grazie agli algoritmi confrontano i modelli di accesso e rilevano ogni anomalia, e può migliorare anche la sicurezza personale, rendendo più affidabili e veloci i controlli negli aeroporti e sui luoghi di eventi. Saranno sempre più importanti anche le applicazioni nel campo della sanità, per ottenere diagnosi più accurate, per analizzare i fattori di rischio di alcune malattie e per prevenire le epidemie.
Come diventare esperti di Machine Learning
In Italia il Machine Learning si studia all’università, nei percorsi specialistici dedicati alla Data Science, la scienza dei dati di cui il ML è parte integrante. Il primo passo è quindi la laurea triennale in informatica, dopo la quale ci si può iscrivere a una laurea magistrale in Data Science, per esempio all’Università di Milano Bicocca o alla Sapienza di Roma; quest’ultimo corso è interamente in inglese, così come il M.Sc. in Stochastics and Data Science dell’Università di Torino. L’Università di Pisa propone la laurea magistrale Data Science and Business Informatics, che collega informatica ed economia, come fa anche l’Università Bocconi nella corso di Data Science and Business Analytics, con insegnamenti impartiti solo in inglese.
Si può imparare il Machine Learning anche online, con i corsi universitari proposti da Coursera a tutti i livelli, dal principiante all’esperto.
Per chi vuole cominciare, ma anche per chi già lavora in questo settore, è interessante Kaggle, una piattaforma e community internazionale di data science e machine learning, acquisita da Google nel 2017, che conta oltre 600 mila esperti: offre risorse, strumenti e tutorial per imparare le basi o per aggiornarsi e un forum per confrontarsi con altri professionisti.
Ma l’opportunità più interessante sono le competition, problemi reali proposti da aziende sui quali ci si può cimentare, da soli o in gruppo: sono veri e propri progetti di lavoro con specifiche, scadenze e compensi in denaro per i vincitori.
La Redazione
