Voti: 0
“Intelligenza Artificiale”, “Machine Learning” e “Deep Learning” Nuovo

Prima di iniziare a parlare delle potenzialità dei sistemi d’intelligenza artificiale e cosa esse siano in grado di fare, credo che sia importante comprendere a fondo la differenza che si nasconde dietro ai termini, “Intelligenza Artificiale”, “Machine Learning” e “Deep Learning” che spesso sono utilizzati in modo quasi identico tra di loro ma che in realtà hanno significati molto diversi; per capire la differenza che intercorre tra i vari termini bisogna organizzare i concetti per categorie e porre l’intelligenza artificiale in quella più generale che include il Machine Learning che a sua volta include il Deep Learning. Quando si parla, dunque, di Intelligenza artificiale si parla di quei sistemi che sono in grado di pensare e risolvere problemi con un approccio tipico di un essere umano e cioè di agire autonomamente su quella categoria di problemi normalmente molto difficili per le macchine. Ovviamente si è ancora molto lontani da questo obiettivo mentre quello che si è riusciti a fare è di creare “un’intelligenza artificiale ristretta” cioè sistemi che implementano algoritmi e tecniche di intelligenza artificiale per risolvere alcuni singoli problemi specifici. In questa sottocategoria si colloca il “Machine Learning” che è in grado di elaborare grandi quantità di dati attraverso algoritmi di classificazione che hanno la capacità di comprendere comportamenti e similitudini al fine di prendere decisioni (predire) sulla base dei dati che si hanno a disposizione. Alcuni tra i classificatori più usati implementano formule matematiche tipo rette, funzioni polinomiali, clustering o funzioni statistiche.

 Regressione Lineare

Un esempio tipico di applicazione di algoritmi predittivi di machine learning è ad esempio il calcolo del prezzo di un immobile. In tal caso infatti sulla base dei dati a disposizione sarà possibile applicare un modello predittivo per conoscere il prezzo di un immobile che abbia ad esempio particolari caratteristiche, una determinata metratura e che si trovi in una particolare regione.

L’approccio al machine learning stravolge, in definitiva, il modo tradizionale di programmazione, il cui paradigma costringe gli sviluppatori ad occuparsi sia del modello che del dato e pertanto impone la necessità di sapere esattamente ogni singolo passaggio dell’algoritmo implementato cosa che invece non è necessario nel caso del Machine Learning.

Una sottocategoria del machine learning è il deep Learning e cioè l’insieme di quei software in grado di emulare sotto alcuni punti di vista il funzionamento del cervello e dei neuroni. Alla base del Deep Learning o apprendimento profondo c’è, infatti, una rete neurale costituita da un numero elevato di neuroni artificiali, chiamati percettroni e collegati tra di loro su livelli differenti.

Rete Neurale 

In tal caso è la macchina stessa che definisce il classificatori da utilizzare sulla base di un addestramento delle rete. In conclusione l’intelligenza artificiale è l’obiettivo che si sta cercando di raggiungere mentre il machine Learning è uno dei possibili approcci che si sta adottando per raggiungere e risolvere un giorno il problema dell’intelligenza artificiale; il Deep learning infine è una particolare tecnica di Machine Learning.

Commenta l'articolo

Non ci sono risposte

Rispondi all'articolo
Aiuto