A.I. approfondimenti sul Machine Learning
Sabatino chiede a Davide approfondimenti sul Machine Learning
Incontro video tra Sabatino Vacchiano e Davide Cavezza
Video evento 20-21 gennaio 2023
Testo preso dalla traccia audio del video tramite il nostro servizio TRANSCRIBER.
S) Va bene, allora, cerchiamo di far capire un po' a casa questi termini un po' complessi. Tu hai nominato il machine learning. Suppongo che sia una
branca dell'intelligenza artificiale, giusto?
D) Sì, l'intelligenza artificiale è quell'insieme di algoritmi generici utilizzati per far compiere alle macchine task che sono tipicamente umani come
prendere decisioni in base a determinati dati oppure imparare a risolvere i problemi senza l'ausilio delle istruzioni fornite dall'uomo, come avviene
nella programmazione classica.
Il machine learning riguarda proprio questo, essenzialmente è un modello diverso di programmazione rispetto a quello a cui siamo abituati.
Di solito, che vuol dire programmare? Vuol dire dare istruzioni a un computer su come risolvere un determinato problema. Prendiamo un esempio
dall'architettura in generale devo fare un software per architetti devo realizzare, devo programmare una funzionalità di calcolo dell'area di una
superficie. Come faccio? Scompongo questa superficie magari in superfici più semplici, quali i rettangoli, per dire; calcolo l'area di ciascun
rettangolo come base per altezza e poi sommo alla fine le aree di tutti questi singoli rettangoli.
Programmare vuol dire dare queste istruzioni una per una a computer e il computer le esegue e mi calcola l'area.
Nei modelli di machine learning l'approccio è completamente diverso. Tu fornisci esempi di comportamento desiderato ad un algoritmo generico di
machine learning che permette alla macchina di adattarsi ai dati che tu gli fornisci e la macchina capisce da sola a partire da una serie di esempi,
per esempio di superfici, e di aree ad esse associate, come calcolare l'area di una superficie generica.
Questo è chiaramente un modello che non si applica bene al calcolo di aree di superfici, però si applica bene a problemi che sono difficili da
codificare come sequenza di istruzioni: ad esempio il riconoscimento di oggetti in un'immagine. Vogliamo, partendo da un'immagine, definire
che cosa è contenuto nell'immagine, se c'è una persona, se c'è un albero, se c'è un cane. È difficile definire un algoritmo che ti permette di
determinare se e quali oggetti sono presenti nell'immagine. Invece l'approccio del machine learning ti permette di fornire tanti esempi alla
macchina di immagini contenenti cani, immagini contenenti persone, immagini contenenti alberi, e la macchina automaticamente impara a distinguere
questi tipi di oggetti nelle immagini.
Clicca qui per l'articolo ed il video completi
NOTA: ricordiamo che i prodotti Transcriber, Doctorin e "Arianna"
(assistente virtuale del centralino telefonico) di BEEVOIP si basano su tecnologie di intelligenza artificiale.