Che cos’è il machine learning e quali sono le sue potenziali applicazioni?

Grazie ad una serie di algoritmi, il Machine Learning è in grado di insegnare ai computer ed ai robot a fare azioni ed attività in modo naturale come gli esseri umani o gli animali.

In poche parole, gli algoritmi di Machine Learning usano metodi matematico-computazionali per apprendere informazioni direttamente dai dati, senza modelli matematici ed equazioni predeterminate e possono migliorare le loro prestazioni in modo “adattivo” mano a mano che gli “esempi” da cui apprendere aumentano. In parole ancora più semplici: il Machine Learning permette ai computer di imparare dall’esperienza in quanto c’è apprendimento quando le prestazioni del programma migliorano dopo lo svolgimento di un compito o il completamento di un’azione, anche se questa è errata.

All’atto pratico, quindi, in una prospettiva informatica, invece di dover guidare il computer passo dopo passo nelle sue azioni, si indica alla macchina soltanto dei set di dati inseriti in un generico algoritmo che sviluppa una propria logica per svolgere la funzione, l’attività, il compito richiesti.

Ma come funziona? Il Machine Learning funziona sulla base di due distinti approcci: dando al computer esempi completi da utilizzare come indicazione per eseguire il compito richiesto (definito apprendimento supervisionato), oppure lasciando lavorare il software senza alcun “aiuto” (definito apprendimento non supervisionato).
In che modo può essere applicato il Machine Learning? Le sue applicazioni sono già oggi molto numerose, alcune delle quali entrate comunemente nella nostra vita quotidiana senza che in realtà ce ne rendessimo conto.
Basta pensare, ad esempio, all’utilizzo dei motori di ricerca: attraverso una o più parole chiave, questi motori restituiscono liste di risultati i quali non sono altro che l’effetto di algoritmi di Machine Learning con apprendimento non supervisionato.
Un ulteriore esempio può essere dato dai filtri anti-spam delle e-mail basati su sistemi di Machine Learning che imparano continuamente sia ad intercettare messaggi di posta elettronica in qualche modo sospetti o fraudolenti sia ad agire di conseguenza.
Questi particolari sistemi sono spesso utilizzati, anche con sofisticazioni maggiori, nel settore Finance per la prevenzione delle frodi, dei furti di dati e identità. Infatti, in questi casi, gli algoritmi imparano ad agire mettendo in correlazione eventi, abitudini degli utenti, preferenze di spesa, ecc.. Queste informazioni vengono poi utilizzate per identificare in tempo reale eventuali comportamenti anomali che potrebbero appunto identificare un furto od una frode.
Alcuni esempi interessanti, infine, arrivano anche dal settore della ricerca scientifica in campo medico dove gli algoritmi imparano a fare previsioni in maniera sempre più accurata per prevenire lo scatenarsi di epidemie oppure per effettuare diagnosi di tumori o malattie rare in modo accurato e tempestivo.