{"id":19618,"date":"2021-06-04T13:10:00","date_gmt":"2021-06-04T11:10:00","guid":{"rendered":"https:\/\/www.contents.com\/machine-learning-cos-e-cosa-serve-come-funziona\/"},"modified":"2024-05-16T02:38:40","modified_gmt":"2024-05-16T00:38:40","slug":"machine-learning-cos-e-cosa-serve-come-funziona","status":"publish","type":"post","link":"https:\/\/www.contents.com\/it\/magazine\/intelligenza-artificiale\/machine-learning-cos-e-cosa-serve-come-funziona\/","title":{"rendered":"Machine learning: cos’\u00e9, come funziona e a cosa serve"},"content":{"rendered":"

Il Machine Learning e le reti neurali sono tecniche informatiche che permettono di insegnare un comportamento umano a un computer o un robot\u00a0<\/span><\/span>attraverso programmi di apprendimento automatico. Gli algoritmi usano metodi che permettono loro di apprendere informazioni direttamente dai dati<\/strong>, senza modelli matematici o equazioni predeterminate. <\/span><\/span><\/p>\n

Questo tipo di algoritmi sono adattivi, quindi man mano che gli esempi da cui imparare aumentano, le loro prestazioni migliorano.<\/span><\/span>\u00a0<\/span><\/span>Vediamo quindi nel dettaglio quali sono le varie caratteristiche di questa tecnologia.<\/span><\/span> \u00a0<\/span><\/span><\/strong><\/p>\n

Cos\u2019\u00e8 il Machine Learning<\/span><\/span>\u00a0<\/span><\/span><\/h2>\n

L\u2019apprendimento automatico, nell\u2019accezione tradizionale dell\u2019informatica, \u00e8 un processo che fa riferimento all\u2019abilit\u00e0 delle macchine di imparare senza essere state precedentemente programmate<\/strong>.\u00a0<\/span><\/span>\u00a0<\/span><\/span>I<\/span><\/span>l Machine Learning consente ai computer di imparare dall\u2019esperienza: c\u2019\u00e8 apprendimento quando il programma riesce a migliorare le sue prestazioni dopo aver svolto o completato un\u2019azione, anche errata, dato che \u00e8 valido il principio del \u201csbagliando si impara\u201d.<\/span><\/span>\u00a0<\/span><\/span><\/p>\n

In maniera informatica tutto ci\u00f2 significa che invece di scrivere un codice di programmazione con il quale si dice al computer cosa fare, al programma vengono dati solo dei blocchi di dati che vengono elaborati in autonomia dagli algoritmi, cos\u00ec facendo la macchina svilupper\u00e0 da sola la logica<\/strong> per svolgere il compito richiesto.<\/span><\/span> \u00a0<\/span><\/span><\/p>\n

Come funziona il Machine Learning<\/span><\/span><\/h2>\n

Il Machine Learning \u00e8 un processo che pu\u00f2 funzionare sulla base di due principali tipi di approcci<\/strong>, un apprendimento supervisionato<\/em> e un apprendimento non supervisionato<\/em>.<\/span><\/span> \u00a0<\/span><\/span>Il primo, quello supervisionato, attiene al fatto che al computer sia diano esempi completi da seguire per realizzare il compito richiesto; l\u2019apprendimento non supervisionato invece prevede che si lasci lavorare il programma senza nessun tipo di aiuto.<\/span><\/span> \u00a0<\/span><\/span>Vediamo nel dettaglio queste due tipologie e i vari sottoinsiemi che le caratterizzano.<\/span><\/span>\u00a0<\/span><\/span><\/p>\n

L’apprendimento supervisionato\u00a0<\/span><\/span><\/h3>\n

Con questa tipologia di Machine Learning alla macchina vengono dati sia un set di informazioni che i dati relativi ai risultati desiderati. L\u2019obiettivo ultimo \u00e8\u00a0quello di far trovare al sistema una regola generale che colleghi i dati in ingresso con quelli in uscita, quindi che trovi il nesso logico<\/strong> tra le informazioni fornite in modo da creare una regola da applicare poi a casi simili.<\/span><\/span>\u00a0<\/span>
<\/span><\/p>\n

L’apprendimento non supervisionato\u00a0<\/span><\/span><\/h3>\n

In questa categoria di Machine Learning alla macchina vengono forniti solo set di dati senza nessuna indicazione relativa al risultato desiderato. <\/span><\/span>\u00a0<\/span>
<\/span>Lo scopo di questo metodo\u00a0\u00e8 quello di risalire a schemi o modelli nascosti<\/strong>, quindi identificare all\u2019interno degli input una struttura logica che non sia stata gi\u00e0 etichettata.<\/span><\/span>
<\/span><\/p>\n

L’apprendimento per rinforzo<\/span><\/span>\u00a0<\/span><\/span><\/h3>\n

Per apprendimento rinforzato si fa riferimento a quel tipo di Machine Learning<\/a> in cui il sistema deve interagire con un ambiente dinamico<\/strong> (da cui attinge i dati di input) e raggiungere un obiettivo, ottenendo di conseguenza una ricompensa. Con questo tipo di metodo, l\u2019algoritmo impara anche dagli errori<\/strong>, che vengono identificati tramite delle punizioni. In sintesi lo schema di apprendimento si basa su una \u201croutine\u201d di ricompensa e punizione.<\/span><\/span>\u00a0<\/span><\/span><\/p>\n

Con questo tipo di modelli per esempio, il computer impara a battere un avversario in un gioco concentrandosi sullo svolgimento di un preciso compito con l\u2019obiettivo di massimizzare la ricompensa; il sistema quindi giocando sbaglier\u00e0 e sar\u00e0 punito, non ripeter\u00e0 pi\u00f9 le azioni errate e le prestazioni miglioreranno.<\/span><\/span> \u00a0<\/span><\/span><\/p>\n

L’apprendimento semi-supervisionato<\/span><\/span>\u00a0<\/span><\/span><\/h3>\n

Questo\u00a0\u00e8 un modello ibrido, dove al computer viene fornito un insieme di dati incompleti. Alcuni di questi hanno poi il rispettivo output come nell\u2019apprendimento supervisionato, mentre altri ne sono privi, come nel non supervisionato.\u00a0<\/span><\/span>\u00a0<\/span>
<\/span>L\u2019obiettivo ultimo comunque resta lo stesso, identificare regole e funzioni per la soluzione di problemi con i rispettivi modelli di dati per raggiungere particolari obiettivi.<\/span><\/span>
<\/span><\/p>\n

Gli altri approcci al Machine Learning<\/span><\/span>\u00a0<\/span><\/strong><\/span><\/h2>\n

Ci sono altre sottocategorie di Machine Learning, basati su una classificazione \u201cpratica\u201d perch\u00e9 si riferiscono agli approcci concreti di applicazione dei vari algoritmi, da cui appunto si derivano delle categorie di apprendimento dei sistemi.<\/span><\/span>\u00a0<\/span><\/span><\/p>\n

Il modello del clustering<\/span><\/span>\u00a0<\/span><\/span><\/h3>\n

Questi sono modelli matematici in cui si raggruppano informazioni e dati \u201csimili: esistono quindi vari modelli di apprendimento che si occupano di identificare un \u201ccluster\u201d e la sua natura e modelli che invece si occupano di riconoscere quali \u201coggetti\u201d fanno parte di un gruppo invece che di un altro.<\/span><\/span>
<\/span><\/p>\n

I modelli probabilistici<\/span><\/span>\u00a0<\/span><\/span><\/h3>\n

Questo tipo di modelli basa il proprio processo di apprendimento sul calcolo delle probabilit\u00e0, il pi\u00f9 famoso tra \u00e8 la \u201crete di\u00a0<\/em><\/span>Bayes<\/span><\/span><\/em>\u201d, un modello che rappresenta in un grafo (struttura matematica) l\u2019insieme delle variabili e le relative dipendenze condizionali.<\/span><\/span>\u00a0<\/span><\/span><\/span><\/span>
<\/span><\/p>\n

Machine Learning e reti neurali<\/span><\/h3>\n

Infine, abbiamo i modelli basati sulle reti neurali artificiali<\/strong> che utilizzano per l\u2019apprendimento algoritmi ispirati alla struttura e al funzionamento delle reti neurali biologiche, quindi al cervello umano. Esistono anche le reti neurali multi-strato che attengono alla categoria del Deep Learning<\/strong>, quindi un apprendimento profondo e pi\u00f9 stratificato.<\/span><\/span><\/p>\n

Una rete neurale artificiale riceve segnali esterni (input) su uno strato di nodi (paragonabili a dei neuroni) d’ingresso, ciascuno dei quali \u00e8 collegato con numerosi nodi interni, organizzati in pi\u00f9 livelli. Ogni nodo elabora i segnali ricevuti e trasmette il risultato a nodi successivi.<\/span><\/span><\/p>\n

Le applicazioni del Machine Learning<\/span><\/span>\u00a0<\/span><\/span><\/h2>\n

Le applicazioni di questa tecnologia sono numerose, molte delle quali fanno gi\u00e0 parte della nostra quotidianit\u00e0 senza che noi ce ne rendiamo conto.<\/span><\/span>\u00a0<\/span>
<\/span>\u00a0<\/span><\/span>\u00a0<\/span>
<\/span>Primo esempio fra tutti un motore di ricerca<\/strong>, attraverso delle parole chiave loro ci restituiscono dei risultati che sono il risultato un algoritmo di apprendimento non supervisionato. Altro esempio molto comune sono i filtri anti-spam delle e-mail<\/strong>, i cui sistemi di Machine Learning imparano continuamente a riconoscere i messaggi di posta sospetti e ad agire di conseguenza, quindi eliminandoli prima che vengano inseriti all\u2019interno delle caselle di posta principali.\u00a0<\/span><\/span>
<\/span>
<\/span>Anche i sistemi di raccomandazione<\/strong> si basano sul Machine Learning, quando navighiamo in particolari siti web o applicazioni, magari di shopping o streaming video ci verranno suggeriti dei prodotti nel corso del tempo selezionati sulla base delle nostre ricerche passate.<\/span><\/span>\u00a0<\/span><\/span>
\n<\/span><\/p>\n

 <\/p>\n

 <\/p>\n

Contents<\/b>\u00a0<\/span><\/a><\/p>\n

Contents \u00e8 una marketing tech company innovativa e altamente performante che ha sviluppato una piattaforma software proprietaria che analizza, produce e diffonde contenuti originali. Contents utilizza inoltre il sistema di Natural Language Generation, basato sull\u2019Intelligenza Artificiale, che permette di creare, in pochi secondi, contenuti nativamente multilingue e personalizzati, senza alcun bisogno di intervento umano. I nostri servizi sono pensati per e-commerce, editors e web agency.<\/span> Iscriviti gratis!<\/span><\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Il Machine Learning e le reti neurali sono tecniche informatiche che permettono di insegnare un comportamento umano ad un computer o un robot.<\/p>\n","protected":false},"author":5,"featured_media":19622,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","inline_featured_image":false,"footnotes":""},"categories":[113],"tags":[148],"class_list":["post-19618","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-intelligenza-artificiale","tag-machine-learning-it"],"acf":[],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/posts\/19618","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/comments?post=19618"}],"version-history":[{"count":1,"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/posts\/19618\/revisions"}],"predecessor-version":[{"id":19625,"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/posts\/19618\/revisions\/19625"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/media\/19622"}],"wp:attachment":[{"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/media?parent=19618"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/categories?post=19618"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.contents.com\/it\/wp-json\/wp\/v2\/tags?post=19618"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}