Machine learning e autoapprendimento

Ormai è da qualche anno che lo studio sull’autoapprendimento è in continua espansione e i primi progetti stanno iniziando a dare qualche risultato, ma siamo ancora molto lontani da poter affermare che ci siano degli automi, in grado completamente di mettere a frutto l’esperienza per poter progredire a apprendere sia dal punto di vista logico che dal punto di vista relazionale in maniera completa queste caratteristiche.

APPRENDIMENTO DELLE MACCHINE

Il machine learning viene intesto come “apprendimento delle macchine” o “apprendimento automatico”.
Come apprendimento è inteso un determinato processo mediante il quale una entità acquisisce nel tempo abilità e velocità ad eseguire determinate istruzioni o compiti sempre con maggiore precisione e celerità

Ovviamente l’automa è intesa come macchina o sequenza di istruzioni che vengono fornite da un calcolatore che elabora algoritmi attraverso specifici software.

Nello specifico i software che lavorano in questo ambito, sono tenuti a elaborare una notevole quantità di dati che possano restituire come risultato una serie di combinazioni analoghe, chiamati pattern da cui è possibile individuare delle regole.

STUDIOSI DI MACHINE LEARNING

Uno dei più importanti studiosi del passato del “machine learning” è Arthur Samuel, che definì la materia come campo di studi che attribuisce al computer l’abilità di apprendere ed eseguire determinati compiti senza che vi sia precedente programmazione esplicita impostata.

Da non dimenticare anche la definizione data dal recente studioso Tom Mitchell, che disse:
Si dice che un programma impara da una certa esperienza (E) rispetto a una classe di compiti (T) ottenendo una performance (P), se la sua performance nel realizzare i compiti (T), misurata dalla performance (P), migliora con l’esperienza (E).

nello specifico le definizioni dei tre elementi sono:

E-Esperinza: indica l’aver effettuato una determinata azione o comando numerose volte, esso è considerato anche com il risultato finale del processo di apprendimento prendendo in considerazione inoltre anche la velocità con cui viene elaborato il processo rispetto alle precedenti analoghe situazioni.
T-Task: E’ l’esecuzione del compito
P-Probabilità che l’elaborazione del software sia in grado di completare di compiti a lui assegnati

Il processo di Machine learning è valido se il programma è in grado di apprendere dalle esperienze e ripeterle nel tempo migliorando ogni volta le prestazioni in termini di velocità e di qualità.

Uno degli esempi di machine learning è stato il software che è diventato imbattibile nel giocare a scacchi in soli 40 minuti.

Non sempre i software intelligenti, sono classificati come machine learning, volendo prendere la soluzione di “google traduttore“, la soluzione online di Google che permette di tradurre in real time da una lingua all’altra, ha già una programmazione effettuata e non è in grado di incrementare la sua conoscenza attraverso l’interazione con l’uomo.

DEEP LEARNING

La fase più evoluta dell’apprendimento artificiale è il deep learning (apprendimento automatico), individuato come apprendimento profondo, esso è basato su livelli di rappresentazione, corrispondenti a gerarchie di caratteristiche di fattori o concetti, dove i concetti sono di alto livello.

deep learning
deep learning

Di seguito un contributo video per approfondire la materia di deep learning, da cui nascono studi per ottenere risultati che portano a soluzioni di deep machine.

video deep learning