Artificial Intelligence, Machine Learning e Deep Learning: in cosa sono differenti?

nessun commento Artificial Intelligence , , ,
img articolo Ai Ml e DL

Abbiamo tutti chiaro cosa sia l’Artificial Intelligence, d’altronde non è necessario essere laureati in ingegneria informatica o avere un master in robotica per averne almeno un’idea. Basta aver visto un cult movie come Blade Runner, Terminator o Matrix!

Ma ora ad Artificial Intelligence si affiancano spesso altri termini quali “Machine Learning” e “Deep Learning”. Sembrano essere interscambiabili, ma non lo sono!

Dunque, qual è la differenza tra Artificial Intelligence, Machine Learning, e Deep Learning?

Artificial Intelligence

Coniato per la prima volta nel 1956 da John McCarthy, studioso d’informatica e delle scienze cognitive, l’Artificial Intelligence è relativo a macchine che possono assolvere compiti che sono tipici dell’intelligenza umana. Cioè compiti quali la pianificazione, la comprensione del linguaggio, il riconoscimento degli oggetti e dei suoni, l’apprendimento e il problem solving.

Esistono due tipologie di Artificial Intelligence:

  1. Artificial Intelligence debole (anche definito AI Narrow): mostra qualche aspetto dell’intelligenza umana e può riprodurlo molto bene, ma è carente in altre aree. Siri, il personal assistant virtuale di Apple, è un esempio di AI Debole
  2. Artificial Intelligence forte (o General): è invece un sistema di Artificial Intelligence che possiede tutte le abilità cognitive umane, per cui quando la macchina si trova di fronte ad un compito non familiare è intelligente abbastanza da trovare la soluzione.

Machine Learning

Il Machine Learning è un’area dell’Artificial Intelligence che consente ai computer di “imparare” ed è di fatto un modo per raggiungere l’Artificial Intelligence. Il Machine Learning usa un approccio differente: invece di dare al computer un set di istruzioni su come fare qualcosa, dà istruzioni su come imparare a fare qualcosa.

Fu Arthur Samuel a definirlo non molto dopo che fosse coniato il termine Artificial Intelligence, nel 1959, come “the ability to learn without being explicitly programmed” cioè “l’abilità di imparare senza essere espressamente programmato”. Tramite il Machine Learning la macchina “allena” l’algoritmo in modo che possa imparare come eseguire un dato compito e fornisce un’enorme quantità di dati all’algoritmo per permettergli di correggersi o adattarsi e quindi di migliorare autonomamente.

Il Machine Learning è stato utilizzato per migliorare l’abilità delle macchine nel riconoscimento delle immagini o dei video.  In pratica vengono fornite milioni di immagini che sono state taggate dall’uomo. Ipotizziamo che siano state taggate differentemente le immagini che contengono esseri umani rispetto a quelle che contengono un gatto. L’algoritmo cercherà di costruire un modello in grado di taggare correttamente l’immagine in base che contenga un uomo o un gatto. Man mano “impara” a farlo con un livello di accuratezza sempre più alto. Quando il livello sarà accurato abbastanza, potremo in pratica dire che l’algoritmo ha imparato a riconoscere un gatto!

Deep Learning

Il Deep Learning (o deep neural networking) è un’area emergente dell’Informatica che sta rivoluzionando l’Artificial Intelligence.  Il Deep learning è ispirato dalla struttura e dalla funzione della mente. Il Deep Learning è una sottocategoria del Machine Learning che riguarda l’emulazione di come gli esseri umani apprendono. In estrema sintesi può essere definito come un modo per automatizzare le analisi predittive. Il Deep Learning implica l’utilizzo di reti neurali artificiali (deep artificial neural networks), algoritmi e sistemi computazionali ispirati dal cervello umano per affrontare i problemi del Machine Learning.

Ma quindi cosa sono le reti neurali? Questa analogia di Shehzad Noor Taus Priyo aiuta a comprenderle meglio: immaginiamole come una serie di porte da oltrepassare dove l’input è l’uomo che le deve oltrepassare e ogni volta che lo fa cambia qualcosa nel suo comportamento, finchè all’ultima porta oltrepassata l’uomo è diventato una persona del tutto differente, rappresentando l’output di questo processo.

Che correlazione c’è con l’Internet of Things?

Il rapporto tra Artificial Intelligence e l’Internet of Things è paragonabile alla relazione tra il cervello e il corpo umano, come sottolinea Calum McClelland nel suo articolo. Dove per Internet of Things (IoTs) intendiamo una tipologia di dispositivi collegati ad Internet quindi in grado su essere controllati e monitorati a distanza. Alcuni di questi oggetti sono di uso comune (come certi termostati, forni, orologi, lampioni … ) e sono  in grado di produrre informazioni su di sé o sull’ambiente circostante.
L’Artificial Intelligence, il Machine Learning e il Deep Learning sono essenziali per l’Internet of Things. Il Machine learning come il  Deep Learning necessitano di una enorme quantità di dati, dati che sono raccolti da miliardi di sensori anche tramite l’Internet of Things. Quindi è come se si alimentassero a vicenda in una sorta di circolo virtuoso in cui l’Internet of Things migliora l’Artificial Intelligence e l’Artificial Intelligence rende utile l’Internet of Things.

Esaltante o inquietante che sia, ti interessa approfondire l’argomento?

L’articolo è liberamente tratto da:

iot-for-all.com/artificial-intelligence-machine-learning-and-deep-learning

Altre letture interessanti:

startupbusiness.it/cose-lintelligenza-artificiale

definition/AI

medium.com/@sntaus/intro-to-deep-learning

La tv che ci spia

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *