Definizione: Il machine learning (in italiano apprendimento automatico) è un sottoinsieme dell’intelligenza artificiale che include metodi come il pattern recognition, reti neurali artificiali e la statistica computazionale, ossia metodi utilizzati per migliorare le qualità degli algoritmi di riconoscimento delle regolarità all’interno dei dati mediante l’apprendimento.

Il termine fu coniato nel 1959 da Arthur Samuel, il quale lo utilizzò per identificare due diversi principi. Il primo, chiamato rete neurale, si riferisce allo sviluppo di macchine ad apprendimento automatico la cui istruzione è basata su un sistema di ricompensa e punizione (si ricompensano le strategie che conducono all’obiettivo sperato; questo metodo viene anche detto apprendimento per rinforzo). Il secondo metodo consiste invece nel ricreare una rete organizzata per l’apprendimento di attività specifiche.

Lo scopo del machine learning è dunque quello di analizzare le regolarità presenti all’interno di una serie di dati così da poter fare previsioni sulla base di ciò che la macchina ha analizzato e studiato. Alcuni degli ambiti in cui il machine learning è utilizzato sono il riconoscimento del linguaggio, i motori di ricerca, il face recognition e molti altri.

La definizione più nota e accreditata del termine fu quella data da Tom M. Mitchell, secondo la quale “si dice che un programma apprende dall’esperienza E con riferimento a alcune classi di compiti T e con misurazione della performance P, se le sue performance nel compito T, come misurato da P, migliorano con l’esperienza E”.

Storia: La storia del machine learning va di pari passo con quella dell’intelligenza artificiale. Infatti, già quando si tentava di definire il significato della parola intelligenza artificiale, molti scienziati erano affascinati dall’idea che le macchine potessero imparare da insiemi di dati. Negli anni Cinquanta alcuni studiosi si avvicinarono al problema, soprattutto utilizzando il metodo delle reti neurali. Sempre negli anni Cinquanta, Alan Turing immaginò una macchina in grado di imparare e che si basasse sul modello dell’intelligenza umana e, dunque, non infallibile. Negli anni Ottanta dominavano la scena i cosiddetti sistemi esperti, basati cioè sulla conoscenza, fatto che portò all’abbandono dello studio dei sistemi di apprendimento. Tuttavia, nel decennio successivo, il machine learning tornò al centro dell’interesse degli studiosi, dirigendo la sua attenzione verso metodi e modelli che provenivano dalla statistica e dalla teoria della probabilità, passando inoltre dall’obiettivo di voler sviluppare intelligenza artificiale al voler risolvere problemi pratici e concreti. Un altro fattore che riportò in vita i sistemi di apprendimento fu la nascita di Internet, che si dimostrò un fertilissimo campo di applicazione per questi sistemi.

Sull’intelligenza artificiale e gli strumenti di machine learning applicati all’ambito del marketing consiglio l’interessantissimo articolo di Umberto Macchi, pubblicato all’interno della rivista Rewriters (https://rewriters.it/aim-artificial-intelligence-marketing-per-sintonizzare-le-aziende-sui-bisogni-del-consumer-tre-libri-per-capirne-di-piu/).

Condividi: