Apprendimento automatico: cos'è e qual è la sua relazione con l'IA?

Oggi vogliamo insegnarti in modo più approfondito uno dei termini che ha rivoluzionato e rivoluzionerà alcune interazioni come le conosciamo. Stiamo parlando dell'intelligenza artificiale e del suo ramo più specifico, l' apprendimento automatico o l'apprendimento automatico.

Come forse saprai, l'informatica è sempre in costante evoluzione e ciò che possiamo acquistare di solito non è il più all'avanguardia possibile.

Ad esempio, mentre stiamo sviluppando la quarta generazione di PCI-Express , i ricercatori stanno già sviluppando PCIe Gen 5 e stanno studiando il passaggio al sesto . Per questa stessa ragione non è raro trovare tecnologie che non sapevamo svolgere compiti di cui non avevamo mai sentito parlare.

Ma prima di andare oltre, restringiamo l'argomento di cui parleremo perché, cos'è l' apprendimento automatico ?

Indice dei contenuti

Che cos'è l' apprendimento automatico ?

L'apprendimento automatico è una branca specifica dell'informatica e dell'intelligenza artificiale in cui vengono creati sistemi in grado di apprendere automaticamente.

Questo ramo ha iniziato il suo studio e sviluppo intorno agli anni '80 e oggi è abbastanza sviluppato. Per lo stesso motivo, sia l'intelligenza artificiale che l' apprendimento automatico sono utilizzati in molti campi scientifici e quotidiani.

In questo ramo, gli IA sono costituiti da uno o più algoritmi in grado di elaborare grandi quantità di dati e apprendere di conseguenza. Le due idee chiave su cui questo argomento orbita sono:

• Il sistema deve essere in grado di analizzare i dati e sviluppare competenze che non aveva alla sua nascita. L'intelligenza deve essere in grado di svolgere il lavoro in modo autonomo, cioè senza supervisione umana.

Nel mondo reale abbiamo esempi pratici come la classificazione dello spam nelle e-mail, raccomandazioni correlate su Amazon o previsioni del futuro utilizzando i dati dell'azienda. Quest'ultima è una sezione interessante su cui sempre più aziende stanno scommettendo.

Usando l' apprendimento automatico possiamo vedere quali schemi identificano clienti insoddisfatti o ex-clienti per cercare di migliorare la relazione con altri utenti nello stesso stato. Anzianità, numero di reclami, piani contrattati e altri sono studiati per creare determinati profili. Una volta tratte le conclusioni dell'IA , un gruppo di esperti di marketing può creare una campagna specifica per combattere tali problemi.

Pertanto, la società può creare piani per attrarre o mantenere i clienti sulla base di determinati presupposti e passa da una strategia reattiva a una proattiva. È una tattica molto interessante che utilizza l'intelligenza artificiale , grandi quantità di dati e l' apprendimento automatico .

Come viene addestrata l' intelligenza artificiale ?

Perché un'Intelligenza Artificiale sia preparata deve passare attraverso diverse fasi:

1. Passa prima attraverso un ambiente controllato. Qui inserisci una grande quantità di dati e i rispettivi risultati con i quali puoi creare relazioni tra idee. Questa parte è chiamata apprendimento supervisionato . Quindi vieni messo in un ambiente libero e senza risposta dove l' IA stessa dovrà selezionare un risultato. Sapendo se le tue risposte sono corrette o meno, crei nuove regole nel tuo algoritmo. Questa fase si chiama apprendimento non supervisionato . Alla fine, un ambiente è preparato per lui dove vacilla. Se, ad esempio, è difficile differenziare le immagini con bassa luminosità, forse si è addestrati con le foto notturne. Questa fase si chiama Reinforcement Learning. Il processo può essere eseguito dal passaggio 2 tutte le volte che si desidera ottimizzare l' intelligenza .

Schema generalizzato sull'apprendimento automatico

Un esempio pratico sarebbe quello di mostrare un'intelligenza artificiale di dieci milioni di foto e dire loro quali sono i cani e quali no. Qui riferirà che i cani di solito hanno la pelliccia, di solito vanno su quattro zampe e ci sono forme e dimensioni diverse a seconda della razza.

Successivamente, gli vengono date un milione di foto da classificare. Qui devi rispondere se c'è un cane nella foto e in base al fatto che creerai o meno nuove "idee" nel tuo database. Per implementare questi nuovi dati, Intelligence stabilirà nuove regole nel suo algoritmo e ora, ad esempio, sarà in grado di differenziare i cani dai gatti.

Infine, viene studiata la sua efficienza e vengono preparate nuove foto per allenare i suoi punti deboli.

Naturalmente, questo è un sistema semplice e molto ripetuto per la dimostrazione, ma ci sono altri metodi più sperimentali e peculiari.

Tay, il bot di Twitter

Un recente caso di addestramento sperimentale è stato Tay , un'intelligenza artificiale sviluppata da Microsoft progettata per imparare ad esprimersi come un essere umano.

Profilo Twitter di Tay

Il bot è stato programmato per parlare inizialmente come una ragazza di 19 anni e il 23 marzo 2016 è stata rilasciata nei luoghi bui di Twitter.

Sei stato programmato per parlare con la community e imparare dai messaggi che hai ricevuto e dalle tue interazioni con gli utenti. Il suo apprendimento era quasi completamente autonomo, anche se dovette essere ritirata dopo 16 ore per mostrare comportamenti negativi.

Nella breve durata della sua vita, ha twittato più di 96.000 tweet. Tuttavia, il comportamento offensivo intenzionale di questo social network ha reso più rapido che presto Tay a rispondere con frasi razziste e altre.

In questo caso, l' apprendimento supervisionato e la serie di regole di base avrebbero dovuto essere debitamente rivisti. Conoscendo il tono spensierato e offensivo del social network, Tay non era preparato a differenziare il reale dal sarcastico. Per lo stesso motivo, alcuni utenti sono riusciti a "rompere" facilmente la "barriera intellettuale" dell'intelligence .

Applicazioni di machine learning nel mondo reale

Ti abbiamo già parlato di alcuni usi quotidiani che forse già conoscevi di Machine Learning , ma quali altri casi esistono.

Di seguito vedrai una serie di applicazioni pratiche di questa tecnologia nei problemi più comuni. Naturalmente, sono soluzioni all'avanguardia, quindi di solito richiedono anche molti più soldi.

salute

È allo studio una tecnologia per un nuovo tipo di abbigliamento in grado di leggere informazioni sul nostro corpo. Potrebbe essere in grado di leggere il nostro polso, la respirazione o l'ansia.

Questi dati vengono letti da un'Intelligence che valuta lo stato del paziente in tempo reale. Quindi, se hai un problema come un infarto in un momento specifico, puoi diagnosticare e / o rispondere più rapidamente.

D'altra parte, alcuni robot in grado di rilevare pensieri suicidi sono stati implementati in alcune persone. La famosa Facebook Intelligence legge le conversazioni e la tua attività per riconoscere gli schemi delle tendenze suicide, anche se ci sono altre versioni che studiano più da vicino il comportamento della persona, il suo tono di voce e il suo linguaggio del corpo.

finanza

In economia, alcune banche e società hanno utilizzato soluzioni basate sull'apprendimento automatico per rilevare e prevenire le frodi.

D'altra parte, qualcosa di simile viene anche utilizzato per identificare più facilmente opportunità di investimento. Viene anche usato per decidere quando vendere o acquistare azioni e altri mezzi.

marketing

Questo è già stato menzionato, ma è una delle sue applicazioni più conosciute.

Ti sarà successo vedere un paio di prodotti su Amazon , entrare in Facebook, Google o Instagram e vedere solo quel prodotto nei tuoi annunci. Non è un caso, dal momento che i social network e Google implementano intelligenze che studiano la tua storia e i tuoi possibili interessi per catturarli dove possono.

Alcuni utenti lo vedono come un modo invadente di "attaccare" l'utente e non è sorprendente poiché ti bombardano con un'idea. Tuttavia, la pubblicità si sposterà in quella direzione poiché è più personale e gli annunci saranno indirizzati ai potenziali acquirenti.

Apprendimento automatico e apprendimento profondo

Questi due termini di solito vanno di pari passo, ma non sono esattamente gli stessi. In articoli futuri parleremo di questo secondo termine, poiché è qualcosa che merita di essere appreso.

Ti consigliamo come disinstallare i driver AMD in modo pulito e semplice

In generale, potremmo stabilire il rapporto tra Machine Learning e Deep Learning come quello che hanno l'Intelligenza Artificiale e il Machine Learning . Il deep learning è un ramo ancora più specifico del machine learning .

Condivide sezioni chiave come l' evoluzione nel tempo e l'esperienza, ma presenta un'altra serie di differenze.

Deep Learning semplificato

La sua base per l'apprendimento e l'elaborazione dei dati è di utilizzare diversi livelli che agiscono come se fossero neuroni. Pertanto, potremmo stabilire che queste Intelligenze sono generalmente più raffinate, ma anche più complicate e costose da costruire.

Anche se sei più interessato a questo argomento, resta sintonizzato sul sito Web e visita il nostro prossimo articolo su Deep Learning .

Quanto siamo lontani da Skynet ?

Abbiamo questa sezione per le menti più sognanti.

Questo è un argomento molto ripetuto in libri, film e altri. Non per niente esiste esattamente un genere o un tema chiamato Cyberpunk . Tuttavia, lontano da quelle distopie futuristiche controllate dall'intelligenza artificiale , le nostre macchine hanno ancora molta strada da fare.

Il robot intelligente di Rick & Morty

I sistemi di Machine Learning di oggi appartengono al gruppo di " IA deboli". Come abbiamo visto, queste Intelligenze sono solo in grado di comprendere schemi e fare semplici deduzioni. Sono molto utili per supportarci in determinati contesti, ma non sono affatto sistemi autonomi.

D'altra parte avremmo gli "IA forti" , quelli rappresentati in storie futuristiche in cui sono uguali o molto più intelligenti degli umani. Possiamo trovare notevoli esempi nella cultura popolare come "Matrix" , "Terminator" , "Ghost in the Shell" o "Halo" . In effetti, in questo elenco ci sono due opere correlate tra loro; Indovina quali?

Oggi stiamo ancora sviluppando auto completamente autonome e sicure. Stiamo avanzando continuamente, ma abbiamo ancora un modo per sviluppare un fatto uguale fatto interamente di tecnologia.

Se vuoi saperne di più, puoi visitare il nostro articolo sull'Intelligenza Artificiale . È un testo da un punto di vista più generale e studiamo un po 'le possibili ramificazioni che questa tecnologia avrà.

Parole finali sull'apprendimento automatico

Simile alla nostra conclusione sull'intelligenza artificiale, è chiaro che il futuro è incerto. Tuttavia, è inevitabile che l'evoluzione debba essere rivista per implementare la tecnologia tra le sue capacità e caratteristiche.

A poco a poco, Internet sarà sempre più controllato da programmi e algoritmi. I social network saranno calibrati meglio e ci offriranno contenuti più secondo i nostri gusti. E infine, le relazioni online saranno molto più sicure rilevando più facilmente quando c'è il pericolo di frodi o simili.

D'altra parte, non stupitevi che questo secolo sia il momento in cui l' IoT (Internet of Things) brillerà. È un'idea che sogniamo da molto tempo e che si sta avvicinando. Inoltre, l' IoT è un grande offerente di tecnologie all'avanguardia legate all'apprendimento automatico, sebbene manchi ancora di alcuni aggiustamenti in materia di sicurezza.

Da parte nostra, pensiamo che sarà un'evoluzione graduale e finché sarai informato su ciò che sta accadendo, non hai nulla da temere. Le nuove auto o i frigoriferi possono sembrare strani per te, ma di certo non credo che vedremo il risveglio di "forti IA".

Ti consigliamo di leggere i migliori laptop sul mercato

Infine, dobbiamo confessare che non siamo esperti di Intelligenza Artificiale o Machine Learning , quindi non essere sorpreso da alcuni strani dati. Se abbiamo commesso un errore, non esitare a dircelo! Dopotutto, non siamo ancora macchine perfette.

E tu, cosa pensi dell'apprendimento automatico e dell'intelligenza artificiale ? In quale aspetto pensi che dovrebbero essere implementati? Condividi le tue idee qui sotto.

Clever Dataapdsaslagacetawhatsnew font