Apprendimento automatico e risoluzione autonoma dei problemi

Apprendimento automatico e risoluzione autonoma dei problemi

Apprendimento automatico e risoluzione autonoma dei problemi

Ogni giorno interagiamo con dispositivi che ci aiutano ad automatizzare procedure e azioni e a risolvere problemi.

Consapevolmente o inconsapevolmente facciamo uso di applicazioni sviluppate con l’aiuto dell’apprendimento automatico e del data-mining.

Entrambi rappresentano una branca dell’intelligenza artificiale, ma si differenziano perché l’apprendimento automatico si concentra sulla previsione elaborata su dati già noti mentre il data-mining sulla scoperta di nuovi dati.

L’apprendimento automatico trova applicazione in tutti quei campi in cui è necessario eseguire un’analisi predittiva per riconoscere situazioni/eventi e formulare una risposta/azione precisa.

Pensa ai filtri che puoi applicare per evitare le email indesiderate o alle pagine di risultati elaborate dai motori di ricerca dopo che hai interrogato la rete su un determinato argomento usando una parola chiave…

Puoi immaginare l’apprendimento automatico come un metodo alternativo alla programmazione, con cui istruisci una macchina ad acquisire dati autonomamente, senza istruzioni esplicite.

Grazie all’applicazione di algoritmi, l’apprendimento automatico consente di sviluppare previsioni fondate sull’esperienza maturata dalle macchine.

L’obiettivo è sviluppare macchine in grado di risolvere autonomamente problemi facendo uso della propria esperienza acquisita analizzando i dati di apprendimento mediante la preventiva elaborazione di previsioni.

I primi concenti di apprendimento automatico si sono diffusi parallelamente allo studio dell’intelligenza artificiale ma è con l’avvento di Internet che le informazioni digitali sono diventate maggiormente fruibili e quindi disponibili per l’impiego nel processo di generalizzazione.

La generalizzazione consente alle macchine di risolvere problemi mai affrontati prima, facendo ricorso alle esperienze maturate durante la fase di apprendimento.

Le macchine possono imparare associando a specifici input i rispettivi output, individuando gli input forniti senza etichettarli oppure interagendo con un ambiente per raggiungere un obiettivo sotto la guida di un tutor.

Pensa a quando hai dovuto istruire il tuo assistente Android o Ios a riconoscere la tua voce affinché potesse eseguire precisamente il compito che gli avresti affidato…

Quando sei alla guida del tuo veicolo i sensori ti avvisano della prossimità di una persona o di un altro veicolo in transito per coadiuvarti nelle manovre e impedirti di entrare in collisione con un ostacolo…

Avrai sicuramente sentito parlare di guida autonoma e totalmente autonoma… ebbene i risultati raggiunti finora sono tutti dovuti ai progressi dell’apprendimento automatico o machine learning.

Il machine learning ha fatto il suo ingresso nel settore bancario e dei servizi finanziari per la prima volta nel 1987, per rilevare anomalie nei sistemi di addebito e prevenire frodi.

Gli approcci utilizzati per istruire le macchine sono molteplici e si basano sul riconoscimento di modelli e informazioni statistiche e sulla relativa classificazione costruendo così dei campioni al fine di compiere azioni specifiche o risolvere problemi senza istruzioni esplicite.

Summary
Apprendimento automatico e risoluzione autonoma dei problemi
Article Name
Apprendimento automatico e risoluzione autonoma dei problemi
Description
L’apprendimento automatico trova applicazione in tutti quei campi in cui è necessario eseguire un’analisi predittiva per riconoscere situazi...
Author
Publisher Name
BOR Innova
Publisher Logo

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

error: Il contenuto che stai tentando di copiare è protetto da copyright!