Uno dei tratti distintivi dell'intelligenza umana è quello di essere in grado di incorporare l'apprendimento e di diventare più intelligenti nel tempo man mano che nuovi dati vengono integrati nella knowledgebase del tuo cervello.

Tradizionalmente, i computer non sono considerati intelligenti, poiché mentre hanno spettacolari abilità computazionali, devono essere programmati in modo abbastanza preciso per sfruttare questo potere e non hanno alcuna capacità di integrare l'apprendimento. Piuttosto, devono essere riprogrammati per comprendere i miglioramenti, spesso indicati come Programma 2.0 per designare la versione più nuova e, auspicabilmente, migliore del software in esecuzione sul computer.

L'apprendimento automatico è il ramo dell'informatica che incorpora algoritmi per analizzare i dati immessi e, tramite analisi statistica, è possibile effettuare una previsione su un output, incorporando i nuovi dati non appena disponibili, per aggiornare l'output previsto.

In altre parole, l'algoritmo consente al computer di incorporare nuovi dati e aggiornare il suo algoritmo nel tempo, in modo che l'apprendimento avvenga effettivamente. Un termine strettamente correlato, e talvolta considerato quasi sinonimo, è l'intelligenza artificiale - anche se alcuni sostengono che l'intelligenza artificiale è considerata il termine più ampio di cui l'apprendimento automatico è un sottotipo.

La frase machine learning risale al 1959, quando Arthur Samuel, un pioniere nel campo dei giochi per computer e dell'intelligenza artificiale e professore di ricerca presso la Stanford University, lo definì come il “capacità di imparare senza essere esplicitamente programmato”.

Campione di dama

Aveva un interesse per l'apprendimento automatico per quanto riguarda le pedine, che percepiva come un soggetto ideale a causa della semplicità del gioco. A causa della mancanza di potenza di calcolo disponibile al momento, piuttosto che tentare di eseguire ogni possibilità, il suo algoritmo utilizzava la potatura alfa-beta (una variante dell'algoritmo di Minimax) per scegliere una mossa in base alla posizione dei pezzi, inclusa la posizione di pezzi del re e la probabilità di una vittoria.

Ha messo in pratica le sue teorie nel 1961 quando il suo programma ha vinto una partita contro il campione del Connecticut, considerato il quarto giocatore della nazione in quel momento, dando credito al suo lavoro.

Ciò ha aperto la strada a un lavoro più innovativo nel campo dell'apprendimento automatico. Questo include la famosa partita del 1997 dove il supercomputer Deep Blue di IBM, dopo una perdita iniziale l'anno prima, fu in grado di battere il campione del mondo Garry Kasparov in una serie di partite nel più complesso gioco di scacchi.

Ancora più recentemente, nel 2016, Google ha assunto il gioco ancora più complicato di Go, un popolare gioco da tavolo cinese noto per il suo alto livello di strategia. Utilizzando l'algoritmo AlphaGo per l'apprendimento automatico, prodotto di Google DeepMind, un giocatore professionista è stato sconfitto in ben cinque partite consecutive.

L'apprendimento automatico è stato applicato a più di un semplice gioco. Nel 2012 su Google X Labs, un algoritmo di apprendimento automatico è stato progettato per analizzare i video di YouTube e identificare in modo indipendente quelli che hanno un gatto nel flusso video. Entro il 2014, Facebook aveva un algoritmo di apprendimento automatico, DeepFace, che poteva abbinare immagini di volti a una persona con un'accuratezza del 97%, che si avvicina alle prestazioni di un tipico umano quando si tratta di quel compito.

Al fine di facilitare più progetti, nel 2015 Microsoft ha debuttato il suo Distributed Machine Learning Toolkit, che attualmente include l'incorporamento di parole distribuite (multisenso) per l'elaborazione di alta qualità del linguaggio naturale.

La tecnologia dell'apprendimento automatico è stata applicata anche ai robot e alla loro capacità di svolgere compiti complessi in modo autonomo. C'è stato un interesse per le applicazioni militari, e questo ha portato molti luminari della tecnologia, tra cui Stephen Hawking e Steve Wozniak, a inviare una lettera aperta all'ONU.

La loro preoccupazione è che l'apprendimento automatico delle armi rappresenti a “terza rivoluzione nella guerra”. D'altra parte, la tecnologia autonoma promette di rendere le auto più sicure da guidare, e questo è stato recentemente messo in mostra con la tecnologia implementata in un veicolo classico, una Ford Mustang del 1965, al Goodwood Festival of Speed.

Benefici aziendali

Le aziende hanno anche adottato l'apprendimento automatico, e un esempio di ciò sono i chatbot automatizzati che riducono i livelli di interazione con i dipendenti più costosi dell'assistenza clienti.

C'è anche una tendenza ad allontanarsi dai menu di interazione telefonica (“premere uno per questo, premere due per quello”) che generalmente infastidiscono i clienti, verso l'interazione testuale. Ad esempio, alla fine del 2017 la Royal Bank of Scotland ha debuttato il suo nuovo chatbot AI, Luvo, uno strumento di chat web che si apre sul sito web della banca e chiede se il cliente ha qualche domanda.

L'obiettivo è di avere Luvo che aiuta il 10% dei clienti, con la capacità di rispondere direttamente a domande semplici, e indirizzare gli altri con problemi più complessi all'agente umano corretto per fornire un aiuto più definitivo. Il pensiero è che avendo Luvo a gestire i compiti più semplici, questo libera consulenti umani per i problemi dei clienti più complicati.

Questo particolare chatbot virtuale è alimentato dallo strumento IBM Watson Conversation, ampiamente considerato come uno dei più avanzati motori di intelligenza artificiale, con una particolare forza nel riconoscimento del linguaggio naturale. Questa incorporazione di machine learning sotto forma di chatbot presso la Royal Bank of Scotland, guidata dal risparmio di costi e tempi per il servizio clienti, fa parte di una tendenza più ampia, che altre società hanno abbracciato con evidenti dividendi. Tuttavia, Facebook ha chiuso il suo chatbot basato su testo, M, all'inizio di quest'anno, quindi la transizione è difficilmente perfetta in quanto si cercano applicazioni valide per questa tecnologia.

Musica per le tue orecchie

L'apprendimento automatico è stato applicato anche allo streaming di musica online. Oltre a Spotify, il diffuso servizio di musica on demand con oltre 100 milioni di utenti, lo studio applica l'apprendimento automatico alla musica in streaming che corrisponde al tuo gusto musicale. Particolarmente popolare è la funzione 'Discover Weekly' di Spotify che ha una lista di canzoni raccolte a mano in base alle tue abitudini di ascolto - un po 'come un buon amico che conosce le tue abitudini di ascolto facendo un mix tape per farti conoscere nuovi artisti.

Tuttavia, questo è ottenuto attraverso algoritmi di apprendimento automatico che incorporano dati dal filtro collaborativo che analizza il comportamento di ascolto e fan simili, insieme all'elaborazione del linguaggio naturale che incorpora il testo e l'analisi audio delle tracce direttamente.

Tutti questi dati passano attraverso l'algoritmo di machine learning della società per generare queste scelte musicali e questo indubbiamente contribuisce alla popolarità di Spotify - mentre alcuni servizi concorrenti, come Songza e Pandora, scelgono i brani in base a taggarli manualmente senza i dati aggiuntivi che impiegano Spotify.

Con l'apprendimento automatico in grado di rappresentare i migliori campioni umani in numerosi giochi di strategia, è stato chiaramente dimostrato il potere di questi algoritmi che possono incorporare nuovi dati nel loro processo decisionale. E ora, industrie diverse, dal servizio clienti, alla guida autonoma, allo streaming di musica curata, hanno dimostrato il potere di incorporare anche algoritmi di apprendimento automatico.

  • Ecco come Google ha utilizzato l'apprendimento automatico per trovare il primo sistema solare come il nostro