AI-driven learning: non solo chatbot

La penetrazione delle tecnologie di Intelligenza Artificiale (di seguito IA) nel campo del Learning si è fatta improvvisamente pervasiva, negli ultimi anni, grazie anche ai progressi che si sono registrati nel campo del Machine Learning e del Deep Learning.

Ricordiamo le differenze tra Machine Learning (ML) e Deep Learning (DL), che potrebbero essere raffigurate, in un diagramma, come due cerchi più piccoli all’interno di un cerchio più grande, l’IA.

Algoritmi Machine Learning

Gli algoritmi di ML si sono sviluppati in modo accelerato a partire dalla fine degli anni ’80, anche se l’espressione è stata coniata trent’anni prima, nel 1959, attribuita a Arthur Samuel, l’informatico statunitense pionieri della IA. Consentono ad una “macchina” (un robot, un assistente vocale, un chatbot) di apprendere senza essere esplicitamente programmata. La macchina riceve dati di input (per esempio domande) e output (per esempio modelli di risposte a quelle domande) ed è in grado attraverso una funzione non solo di far corrispondere domande e risposte, ma, ricevuti nuovi input, di aggiustare la funzione per rispondere ai nuovi problemi, appunto senza essere riprogrammata.

Algoritmi Deep Learning

Gli algoritmi di DL sono nati anch’essi a partire dagli anni 50 ma solo recentemente, a partire dal 2010, hanno avuto un vero e proprio boom. Ispirati alla struttura e alla funzione del cervello, producono reti neurali che imitano l’interconnessione tra i neuroni. Una rete neurale è costituita da migliaia o persino milioni di semplici nodi di elaborazione che sono densamente interconnessi. Un singolo nodo è collegato a diversi nodi nel livello sottostante, da cui riceve i dati, e diversi nodi nel livello sopra di esso, a cui invia i dati. In sintesi il DL può essere considerato un campo di IA interno al ML, capace di insegnare alle macchine non solo ad apprendere autonomamente ma a farlo in modo più “profondo” come sa fare il cervello umano. Per esempio, l’IA alla base di una self driving car è basata sul DL.

L’evoluzione di ML e DL ha portato ad individuare interessanti applicazioni ai processi di apprendimento. Scopriremo i principali user cases la prossima settimana.

Stay tuned!

Share on linkedin
Share on twitter

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.