Oracle intelligenza artificiale

Sono definizioni ormai entrate nell’uso comune ma il cui significato non è sempre chiaro: intelligenza artificiale e machine learning. Anche perché questi termini spesso si sovrappongono o vengono confusi e utilizzati l’uno al posto dell’altro.

A fare il punto sul significato di intelligenza artificiale, machine learning e deep learning è Oracle con un interessante punto di vista. A questo link è possibile consultare l’articolo originale sul blog di Oracle, una utile lettura per fare chiarezza sulla materia.

Qui evidenziamo gli elementi fondamentali che porta all'attenzione Peter Jeffcock, Big Data Product Marketing di Oracle.

Intelligenza artificiale e machine learning

Vediamo il significato di queste definizioni, con descrizioni brevi e semplici.

AI (artificial intelligence), intelligenza artificiale, significa far sì che un computer imiti in un qualche modo il comportamento umano.

Machine learning, apprendimento automatico, è invece un sottoinsieme dell’intelligenza artificiale. Consiste in tecniche che consentono ai computer di comprendere le cose dai dati e fornire applicazioni AI.

Deep Learning, apprendimento approfondito, è a sua volta un sottoinsieme del machine learning. In breve, esso consente ai computer di risolvere problemi più complessi.

Intelligenza artificiale

L'intelligenza artificiale come disciplina accademica non è nuovissima: viene istituita nel 1956. L'obiettivo, allora come adesso, era quello di far sì che i computer svolgessero compiti considerati come univocamente umani. Cose che, per l’appunto, richiedessero intelligenza. L'intelligenza artificiale si riferisce quindi all'output di un computer che risolve un problema. Un computer che sta facendo qualcosa di intelligente, quindi mostra intelligenza artificiale.

Oracle intelligenza artificialeIl termine AI, pertanto, non ci dice nulla su come questi problemi sono risolti: esistono molte tecniche diverse per farlo. Una categoria di tecniche che ha iniziato a diffondersi negli anni '80 è il machine learning, l’apprendimento automatico.

Machine learning

Alcuni problemi erano troppo difficili da risolvere per le prime tecniche usate per l'intelligenza artificiale. Gli algoritmi hard-coded o i sistemi fissi basati su regole non hanno funzionato molto bene per determinate attività. Ad esempio quali il riconoscimento di immagini o l'estrazione del significato dal testo. La soluzione si è rivelata essere non solo imitare il comportamento umano, ma simulare il modo in cui gli umani apprendono.

Oracle utilizza un esempio che chiarisce bene la tecnica del machine learning. Pensiamo a come impariamo a leggere. Non aspettiamo di imparare tutta la grammatica prima di prendere in mano il nostro primo libro. Leggiamo prima libri più semplici e poi, con il tempo, passiamo a quelli più complessi. In tal modo impariamo le regole e le eccezioni dell'ortografia e della grammatica leggendo. In altre parole, elaboriamo molti dati e impariamo da essi. Ed è esattamente questa l'idea che sta dietro il machine learning, l'apprendimento automatico.

L’idea è di fornire una moltitudine di dati a un algoritmo (invece che a un cervello umano) e lasciare che esso comprenda dai dati. Ad esempio fornendo a un algoritmo molti dati sulle transazioni finanziarie e dicendogli quali sono quelle fraudolenti. Dopodiché, lasciare che esso elabori ciò che contraddistingue una frode, in modo che la possa prevedere in futuro.

Man mano che questi algoritmi si sviluppavano, diventavano in grado affrontare molti problemi. Ma alcuni dei problemi che per gli umani sono facili, erano ancora troppo difficili per le macchine. Anche azioni semplici quali ad esempio il riconoscimento vocale o della calligrafia. Emerge allora un’altra idea. Se l'apprendimento automatico consiste nel simulare il modo in cui gli umani apprendono, perché non andare fino in fondo e provare a imitare il cervello umano? Questa è l'idea che sta dietro alle reti neurali.

Le reti neurali

L'idea di utilizzare reti neurali simulate nel software era nata da tempo ed era stata utilizzata per alcuni problemi. Tuttavia, l'apprendimento automatico rimaneva bloccato su problemi che anche i bambini delle scuole elementari possono affrontare con facilità. Finché non si è scoperto che il problema non era nel concetto di machine learning. O nell'idea di imitare il cervello umano.

Era solo che semplici reti neurali con centinaia o anche migliaia di neuroni, collegati in modo relativamente semplice, non potevano replicare ciò che il cervello umano può fare. E, pensandoci, non dovrebbe essere una sorpresa: i cervelli umani hanno circa 86 miliardi di neuroni e una interconnessione molto complessa.

Deep learning

In parole semplici, il deep learning, l’apprendimento approfondito, riguarda l'utilizzo di reti neurali con più neuroni, livelli e interconnettività. Siamo ancora molto lontani dall'imitare il cervello umano in tutta la sua complessità, ma ci stiamo muovendo in quella direzione.

Oracle intelligenza artificialeQuando leggiamo dei progressi compiuti dall'informatica, ad esempio nelle auto a guida autonoma o nel riconoscimento vocale, c’è dietro il deep learning. In queste applicazioni si sperimenta una qualche forma di intelligenza artificiale. E dietro le quinte, quell’intelligenza artificiale è alimentata da una qualche forma di deep learning.

In questo articolo del blog di Oracle è possibile approfondire alcune tecniche di machine learning.

A questo link è possibile scaricare un interessante ebook, Demystifying Machine Learning di Oracle.

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche iscriviti alla newsletter gratuita.

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here