Le imprese stanno affrontando le sfide della trasformazione digitale e una di queste, di cui è cruciale comprendere le reali potenzialità e opportunità, è l’applicazione del machine learning all’interno dei processi e delle attività aziendali.
Diverse aziende stanno oggi compiendo i primi passi verso l’utilizzo di questa tecnologia, iniziando un percorso articolato che può portare benefici importanti. A questo tema ha dedicato un approfondimento denominato “Machine Learning e l’importanza dei dati” Giuseppe Porcelli, Principal Specialist Solutions Architect AI/ML di Amazon Web Services.
L’apprendimento automatico, sottolinea Giuseppe Porcelli, non esiste senza dati; inoltre, se la dimensione del campione è troppo piccola o la qualità dei dati non rappresenta correttamente la realtà, i modelli di machine learning saranno inutilizzabili.
Giuseppe Porcelli ha dunque condiviso la visione di Amazon Web Services sull’argomento, riflessioni su come addestrare modelli di machine learning e alcuni esempi di come i dati e la loro qualità possano avere un impatto sull’addestramento dei modelli.
Lasciamo dunque la parola a Giuseppe Porcelli.
Cos’è il machine learning?
“L’apprendimento automatico è simile all’apprendimento umano, tranne per il fatto che la funzione cognitiva di una macchina è meno sofisticata di quella del cervello umano. Per esempio, gli esseri umani sono a volte costretti a prendere decisioni impulsive o decisioni per le quali sappiamo di avere solo una comprensione e una conoscenza parziale del problema. Riempiamo i dati mancanti con informazioni provenienti da esperienze passate apparentemente simili, facciamo supposizioni basate sulla nostra tolleranza al rischio.
Le macchine, invece, non prendono decisioni istintive; tutte le decisioni si basano su ciò che è stato appreso dai dati forniti. Ecco perché bisogna essere attenti a come si addestrano le macchine e assicurarsi di fornire i dati giusti per l’apprendimento, altrimenti, così come accade per gli esseri umani senza una formazione adeguata, il modello sarà mal preparato a prendere le decisioni giuste”.
Machine learning in azione
Ci sono diversi tipi di machine learning, spiega Porcelli, che nella sua trattazione si concentra su uno particolarmente popolare: l’apprendimento supervisionato.
“Nel caso di apprendimento supervisionato, addestriamo i modelli ad accettare un input e a rispondere con un output fornendo esempi di input e output per i quali l’output è stato validato da un supervisore umano. Per esempio, possiamo fornire un’immagine come input e costruire un modello che calcolerà la probabilità che l’immagine contenga un certo oggetto; un altro esempio potrebbe essere l’utilizzo di una registrazione audio come input e l’addestramento di un modello per mappare frammenti audio su parole e produrre una trascrizione del testo.
Prendiamo un esempio di riconoscimento di oggetti nelle immagini, perché è piuttosto semplice da illustrare.
I modelli di Machine Learning devono essere addestrati con dati sufficienti per poter prevedere con precisione la probabilità che, ad esempio, l’immagine inserita contenga una mela. Considerate le immagini delle mele qui sotto: è facile per un adulto dire che ogni immagine rappresenta una mela, ma quando si tratta di machine learning, cosa succederebbe se si addestrasse il proprio modello solo con immagini di mele rosse? O se tutte le mele usate nell’addestramento avessero la stessa forma? Come potrebbe il modello essere in grado di dire che le ultime due foto erano, in realtà, delle mele?”.
“Ora, considerate la possibilità di cercare di differenziare tra i muffin ai mirtilli e i chihuahua: questo è un esempio banale di quanto possa essere difficile individuare le differenze tra due immagini. Ovviamente, dovremmo allenare il modello con abbastanza esempi di ciascuna, e dovremmo etichettare ogni immagine con ‘muffin ai mirtilli’ o ‘chihuahua’ in modo che il modello possa apprendere la differenza.
In ognuno di questi esempi, ci sono diversi modi in cui potremmo inavvertitamente addestrare il modello a produrre risultati imprecisi: i dati potrebbero essere troppo uniformi e mancare di varietà; il dataset potrebbe essere incompleto o contenere dati duplicati; oppure i dati potrebbero essere etichettati in modo errato (un essere umano particolarmente stanco potrebbe scambiare alcuni chihuahua per muffin o viceversa).”
Usare il feedback nell’apprendimento automatico
Un altro step importante dell’addestramento dei modelli, prosegue la spiegazione di Giuseppe Porcelli, è il feedback.
“Oltre a identificare correttamente gli esempi di muffin ai mirtilli, il modello deve sapere quando la previsione era sbagliata. Uno dei modi per aumentare la probabilità di predizione è quello di verificare i risultati del modello più e più volte. Questo è uno dei motivi per cui l’addestramento non è un’attività one-time ma è invece un processo iterativo: dobbiamo continuamente addestrare i nostri modelli con gli ultimi esempi e feedback.
Come potete immaginare, etichettare dati e collezionare feedback possono essere processi laboriosi. Fortunatamente, c’è un numero crescente di modelli di machine learning già addestrati e pronti all’uso disponibili nell’Amazon Web Services Marketplace, e l’AWS Data Exchange sta rendendo i dataset più accessibili. Ci sono anche servizi come Amazon SageMaker Ground Truth che permettono di gestire il processo di etichettatura di dati e utilizzare il crowdsourcing. Tuttavia, ciò che trovo più interessante sull’etichettatura dei dati per l’apprendimento automatico è che alcune aziende hanno trovato modi innovativi per far sì che gli esseri umani etichettino i loro dati gratuitamente.”
Raccogliere dati per l’apprendimento automatico
Quando si costruiscono data lake per le aziende, continua l’esposizione di Giuseppe Porcelli, bisogna pensare al machine learning fin dall’inizio, oltre alle soluzioni tradizionali per l’analisi di dati.
“Mentre la disciplina di Master Data Management (MDM) ci insegna l’importanza dell’uniformità e dell’accuratezza, il machine learning ci insegna l’importanza dei dati grezzi.
Consideriamo il gioco del telefono senza fili, che dimostra come la perdita e la manipolazione dei dati possano influenzare la nostra prospettiva della verità: mentre raccogliamo i dati e li modifichiamo ripetutamente per adattarli a diversi usi, maggiore è il rischio di perdere dati preziosi e significativi. Poiché vogliamo sfruttare al meglio i nostri dati ed essere in grado di scoprire cose che altrimenti non avremmo potuto conoscere, dobbiamo creare il data lake tenendo gli usi specifici a mente. Dovremmo raccogliere, archiviare e manipolare i dati per servire tali usi.
Ad esempio, in Cox Automotive, i dati sono stati organizzarti in tier, da grezzi a raffinati e certificati, per consentire ai team di sperimentare rapidamente con i dati, estrarre informazioni rilevanti per il business e implementare soluzioni di machine learning. Il data lake è servito come base per tutto ciò che si cercava di ottenere. Una strategia olistica per i dati garantirà che il data lake fornisca le solide fondamenta di cui il business ha bisogno.”
In chiusura, Giuseppe Porcelli condivide alcune riflessioni finali sull’apprendimento automatico: “Disporre dei dati corretti è molto importante per l’apprendimento automatico delle macchine. Tra tutte le sfide volte ad aumentare l’agilità del business e di innovare a un ritmo più veloce, iniziare è la più difficile. Ma il successo deriva dalla frequente sperimentazione, riducendo al minimo i rischi. Iniziare in piccolo e con obiettivi specifici, scegliere piccole aree verticali (casi d’uso end-to-end), imparare rapidamente e trarre valore e progresso: si tratta di un viaggio, non di un cambiamento repentino one-shot”.
