MACHINE LEARNING VS DEEP LEARNING
Abbiamo già parlato di Intelligenza Artificiale e oggi approfondiremo due tematiche strettamente legate a questa disciplina, il Machine Learning e il Deep learning, cercando di far un po’ di chiarezza tra i due concetti. I due termini vengono spesso utilizzati impropriamente come sinonimi dell’AI, ma, sebbene siano “parenti stretti” di questa branchia informatica, non si tratta dello stesso concetto. Vediamo nel dettaglio quali sono le differenze tra Machine Learning e Deep learning.
Che cos’è il Machine Learning?
Il termine Machine Learning (apprendimento automatico) si riferisce ad un insieme di metodi con cui si allena l’Intelligenza Artificiale in modo che possa autonomamente svolgere delle attività senza che siano preventivamente programmate. Grazie all’apprendimento automatico le macchine sono in grado non solo di risolvere problematiche pre-impostate ma di apprendere dall’esperienza proprio come noi, correggendo gli errori e prendendo decisioni in modo autonomo. In generale possiamo dire che sono meccanismi grazie ai quali le macchine intelligenti possono migliorare le proprie capacità e prestazioni nel tempo.
Tre tipi di apprendimento automatico:
- Con supervisione: fornisce alla macchina una serie di nozioni che le permettono di capire come comportarsi, una sorta di database di esperienze dal quale può attingere man mano che deve svolgere dei compiti. Le esperienze fornite sono già codificate, e la macchina non deve far altro che analizzarle e scegliere quale risposta dare in base allo stimolo ricevuto.
- Senza supervisione: l’apprendimento senza supervisione è un metodo basato sull’analisi dei risultati. Alla macchina vengono fornite una serie di informazioni non codificate che dovrà organizzare in maniera intelligente in modo da imparare quali risultati sono i migliori rispetto alla situazione che si presenta. Rispetto all’apprendimento con supervisione offre una maggior libertà di scelta alla macchina e si colloca ad un livello di complessità più elevato.
- Reinforcement learning: è un modello di apprendimento che può essere definito “meritocratico”, ossia la macchina impara come comportarsi attraverso dei rinforzi/ricompense: ad esempio viene premiata quando agisce correttamente e raggiunge gli obiettivi. Si tratta del modello di apprendimento più complesso dei tre.
Cos’è il Deep Learning?
Il Deep Learning (apprendimento approfondito) è un sotto-insieme del Machine Learning, un approccio di apprendimento che prende come modello di ispirazione il funzionamento del cervello umano. Si tratta di un metodo di apprendimento a più livelli caratterizzato da una certa complessità, che necessita di reti neurali artificiali progettate su misura e di una capacità computazionale molto potente in grado di supportare differenti strati di calcolo e analisi. Nonostante possa sembrare un livello tecnologico futuristico, in realtà il deep learning è già ampiamente applicato e presente nella nostra vita quotidiana. Un esempio di utilizzo dell’apprendimento approfondito sono i sistemi di riconoscimento vocale e di immagini che usiamo tutti i giorni attraverso i nostri smartphone.
