Apprendimento automatico, detto anche machine learning, è una branca dell’informatica che può essere considerata una parente stretta dell’intelligenza artificiale.
Il ramo è molto vasto e le diverse tecniche di apprendimento e sviluppo degli algoritmi danno vita a loro volta ad altrettante possibilità di utilizzo che ne allargano il campo sfumando la possibilità di darne una definizione specifica.
Possiamo però parlare di meccanismi che permettono a una macchina intelligente di migliorare le proprie capacità e prestazioni nel tempo.
In questo modo, la macchina sarà in grado di imparare a svolgere determinati compiti migliorando tramite l’esperienza le proprie capacità, le proprie risposte e funzioni.
Parlare oggi di apprendimento automatico è cosa abbastanza semplice, ma la strada per arrivare fin qui è stata decisamente complessa e le prime macchine intelligenti risalgono addirittura ai primi anni Cinquanta del secolo scorso.
Sicuramente il papà di questo tipo di disciplina è Alan Turing, ovvero colui che ipotizzò la necessità di realizzare algoritmi specifici per realizzare macchine in gradi do apprendere.
A partire dagli anni ottanta, poi, complice un cospicuo numero di investimenti nel settore, è stata possibile una rinascita continuata negli anni novanta con una serie di tecniche innovative legate a elementi statistici e probabilistici.
Oggi questo apprendimento automatico trova applicazione nella vita di tutti i giorni: pensa solo al fatto che ad esempio Facebook ti sottoponga i post, le notizie e la pubblicità secondo i tuoi interessi (che impara da quel che scrivi e condividi sulla sua piattaforma) o Spotify che ti propone la musica che ti piace in base a quello che hai già ascoltato o evitato. O ancora Google, che ti presenta liste di risultati in base alla ricerca che effettui ma che tiene conto di quali siti hai visitato, di quali pagine hai letto e di come ti sei comportato nelle navigazioni su internet fino a quel momento.
Che dire poi del riconoscimento vocale? O di tutte le applicazioni che vengono usate nella domotica fino alle auto senza pilota.
Ecco, l’apprendimento automatico applicato all’automotive è definito sistema di apprendimento per rinforzo. La parte più complessa della materia che prevede che la macchina sia dotata di sistemi e strumenti in grado di migliorare il proprio apprendimento e di comprendere le caratteristiche dell’ambiente circostante.
Alla macchina vengono forniti una serie di elementi di supporto come ad esempio i sensori, le telecamere, il GPS che permettono di rilevare quanto avviene nell’ambiente circostante e quindi di effettuare scelte per un migliore adattamento all’ambiente intorno a loro.
Negli ultimi anni la ricerca ha fatto passi da gigante ma ancora molto deve essere fatto per perfezionare l’apprendimento automatico.
Diverso il problema etico che si pone, cioè la grande domanda: ma quindi le macchine si sostituiranno in tutto e per tutto all’essere umano?
Dall’Università di Washington è il professore Pedro Domingos che ci rassicura: il timore non esiste. “La gente ha paura che i computer diventino troppo intelligenti e dominino il mondo, ma il vero problema è che pur essendo ancora troppo stupidi lo hanno già conquistato”.
